Asenkron Motorlada Gelişmekte Olan Rulman Arıza Durumunun Akıllı Tekniklerle İzlenmesi

Abstract

Çalışmada ana hedef olarak hızlandırılmış yaşlanma deneyine tabi tutulan 5 beygir gücündeki asenkron motorun rulman arızasının oluşma süreci takip edilmiştir. Bu amaçla İstatiksel parametreler, Shannon entropisi, Çok Katmanlı Yapay Sinir Ağları, Kohonen’in Özdenetimli Ağı ve Bağımız Bileşen Analizi rulman arızasının durumunu izleme amaçlı kulllanılmıştır. Öznitelik vektörleri oluşturmak için Fourier dönüşümü ve Dalgacık Paket Dönüşümleri uygun görülerek boyut azaltma amaçlı olarak Tekil ve Bağımsız Bileşen Analizleri yapılmıştır. Ana hedefe Çok Katmanlı Yapay Sinir Ağları kullanılarak en başarılı şekilde ulaşılmıştır. Değişen yük durumları ağın performansını olumsuz etkilememiştir. Arızanın gelişmesi ağ çıkışındaki hatanın büyümesi ve salınımlarının artması olarak gözlemlenmiştir. Rulman arızası oluşumu gerçekleşmesinden iki yaşlandırma süreci önce tahmin edilebilmiştir.

This study focused on tracking the bearing damage of the 5-HP induction motor. Statistical parameters, Shannon’s Entropy, Multilayer Perceptron (MLP), Kohonen’s Self Organizing Map (SOM) and Independent Component Analysis (ICA) techniques were used to monitor the bearing damage. In this manner, feature vectors were formed by Fourier transform and wavelet packet decomposition. Moreover, dimensionality reduction step was made by Principal Components Analysis (PCA) and ICA. The aim of this study has been reached successfully by applying MLP neural networks because it was not affected by the load changes and development of the bearing damage was well tracked from increasing oscillations of MLP output error (variance error) and prediction of the bearing damage made in the cycle 4, two cycles before it started.