Detection of induction motor faults using vibration, current and acoustic data

Abstract

Asenkron motorların başlangıç seviyesindeki arızalarının önceden tespit edilmesi koruyucu bakım stratejilerinin önemli bir unsurudur. Bu tez çalışmasında stator akımı, titreşim ve ses verileri kullanılarak asenkron motorlarda sıklıkla karşılaşılan arıza tipleri tespit edilmiş ve sınıflandırılmıştır. Üzerlerinde farklı arıza tiplerinin kasıtlı olarak oluşturulduğu asenkron motorların farklı yükleme koşulları altında çalıştırması deneylerinden elde edilen akım, titreşim ve ses verilerinden Dalgacık Paket Ayrıştırması, İki-boyutlu Dalgacık Dönüşümü, Yerel İkili Örüntüler gibi çeşitli sinyal işleme yöntemleri ile sınıflandırmada kullanılacak öznitelikler çıkarılmıştır. Tek boyutlu veri sinyallerinin otokorelasyon değerlerine göre boyutları ayarlanmış iki boyutlu gri tonlu imgelere dönüştürülmesi öznitelik çıkarımında doku analizi tabanlı yöntemlerin kullanılmasına olanak tanımıştır. Arıza sınıflandırma için yenilikçi öznitelik vektörleri önerilmiş ve sınıflandırma performansları Yapay Sinir Ağları ve Bayes tabanlı sınıflandırıcılar ile test edilmiştir. Farklı arıza tiplerine sahip motorlardan farklı yükleme koşulları altında elde edilmiş, stator akımı, titreşim ve ses verilerini içeren bir veri tabanı oluşmuş olup bu veri tabanının gelecekte yapılacak koruyucu bakım çalışmaları için değerli bir kaynak olması beklenmektedir.