Yapay sinir ağları kullanarak anahtarlamalı relüktans motorlarda hata tespit ve teşhisi

Basit Öğe Kaydı
dc.contributor.advisorBayır, Raif
dc.contributor.authorUysal, Ali
dc.date.accessioned2024-09-29T18:28:18Z
dc.date.available2024-09-29T18:28:18Z
dc.date.issued2014
dc.departmentLisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractBu çalışmada anahtarlamalı relüktans motoru (ARM) hatalarının yapay sinir ağları (YSA) ile gerçek zamanlı olarak tespit ve teşhisi gerçekleştirilmiştir. ARM'ler günümüzde birçok kritik uygulamada kullanılmaktadır. Örneğin kan karıştırma cihazı, hibrid araçlar vb. Bu motorların bozulması durumunda hem maddi kayıplar hem de istenilmeyen durumlar ortaya çıkmaktadır. Bu çalışmada ARM hatalarını tespit ve teşhis edebilmek ve arızalanmadan durumunu öğrenmek için bir test düzeneği hazırlanmıştır. Bu test düzeneğinde ARM'ye ait parametreler bir veri alış veriş kartı ile gerçek zamanlı olarak bilgisayar ortamına aktarılmaktadır. Hata tespit ve teşhisi için Matlab ortamında kullanıcı ara yüzü yazılım gerçekleştirilmiştir. Bu yazılım gerçek zamanlı olarak tercih edilen YSA ile ARM hatalarını tespit ve teşhis etmektedir. Hata tespit ve teşhisinde Kohonen sinir ağı, İleri beslemeli sinir ağı ve Elman sinir ağı kullanılmaktadır. ARM'lerde YSA'lar ile gerçek zamanlı hata tespit ve teşhisine en uygun sinir ağı, başarım performanslarına göre Elman sinir ağı olarak belirlenmiştir.en_US
dc.description.abstractIn this study real time fault detection and diagnosis of Switched Reluctance Motors (SRM) via artificial neural networks (ANN) is realized. Nowadays, SRMs are used in many critical applications. For example, blood mixing device, hybrid vehicles, etc. The breakdown of this motor causes financial losses and undesirable situations. An experimental setup is established to detect and diagnosis of SRM faults and determined the status of motor before it breaks down. In this experimental setup, parameters of SRM are measured in real time and transferred to the computer environment via data acquisition card. A user interface software is developed in Matlab environment to detect and diagnose SRM faults. This software detects and diagnoses faults using one of the proposed ANN algorithms in real time. Self-organizing neural network, Feed forward neural network and Elman neural network algorithms are used in fault detection and diagnosis. The performances of ANNs are compared and the most compatible ANN to real time fault detection and diagnosis of SRM's is determined as Elman neural network.en_US
dc.identifier.endpage122en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=1zw6GvYMe-q3Hf6HR-3US-b7P2mmYgGt0s-cm0No7F6Iu6qrw63lJopUwJO5xHPw
dc.identifier.urihttps://hdl.handle.net/20.500.14619/12794
dc.identifier.yoktezid355469en_US
dc.language.isotren_US
dc.publisherKarabük Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleYapay sinir ağları kullanarak anahtarlamalı relüktans motorlarda hata tespit ve teşhisien_US
dc.title.alternativeFault detection and diagnosis of switched reluctance motors using artificial neural networksen_US
dc.typeDoctoral Thesisen_US

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu