Olasılık sinir ağı kullanarak alternatör arızalarının tespiti
Küçük Resim Yok
Tarih
2010
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Karabük Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Alternatörler mekanik enerjiyi elektrik enerjisine çeviren elektromekanik cihazlardır. Alternatörler taşıtlarda, rüzgâr türbinlerinde ve hidroelektrik santrallerinde elektrik enerjisi üretiminde kullanılmaktadırlar. Bu cihazlar arızalandığında hem maddi hem manevi kayıplara neden olmaktadırlar. Bu yüzden alternatörlerde arızaların erken teşhis edilmesi önemlidir. Bu çalışma ile alternatörlerde arıza teşhisi yapılabilmektedir. Alternatöre ait akım, gerilim ve devir bilgileri bir veri alış veriş kartı yardımıyla gerçek zamanlı olarak Matlab ortamına aktarılmaktadır. Alternatör arızalarını tespit etmek için yapay zeka teknikleri kullanılmıştır. Bu teknikler bulanık mantık, ileri beslemeli ağı ve olasılık sinir ağıdır. Bu tekniklerden olasılık sinir ağı başarımının yüksek olmasından dolayı gerçek zamanlı arıza teşhisinde tercih edilmiştir. Alternatör arızalarının erken teşhis edilmesi ile üretilen enerjinin verimliliği artacaktır. Erken teşhis ile de bakım masraflarının azalması sağlanacaktır.
Alternators are equipments that convert mechanical energy to electrical energy. Alternators are used in vehicles, wind power turbines and hydroelectric power plants to generate electrical energy. When this equipments breakdown they damage financially and incorporeally so early fault diagnosis of alternators is important. In this study, alternator failures can be diagnosed. Current, voltage, and revolution data are possible to be measured and they were real time transferred to Matlab via data acquisition card. Artificial intelligence techniques were used to detection alternator failures. These techniques are fuzzy logic, feed forward neural network and probabilistic neural network. Because of its success probabilistic neural network is used in real time fault diagnosis. Renewable energy sources will be used more efficiently and repairing costs will be reduced by early diagnosis of failures.
Alternators are equipments that convert mechanical energy to electrical energy. Alternators are used in vehicles, wind power turbines and hydroelectric power plants to generate electrical energy. When this equipments breakdown they damage financially and incorporeally so early fault diagnosis of alternators is important. In this study, alternator failures can be diagnosed. Current, voltage, and revolution data are possible to be measured and they were real time transferred to Matlab via data acquisition card. Artificial intelligence techniques were used to detection alternator failures. These techniques are fuzzy logic, feed forward neural network and probabilistic neural network. Because of its success probabilistic neural network is used in real time fault diagnosis. Renewable energy sources will be used more efficiently and repairing costs will be reduced by early diagnosis of failures.
Açıklama
Fen Bilimleri Enstitüsü, Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği
