EUVIMEDEUVIMED entdecken
Crossref

RULMANLARDA TİTREŞİM VERİLERİNDEN DURUM İZLEME VE ARIZA TEŞHİSİ İÇİN DERİN ÖĞRENME YÖNTEMİNİN UYGULANMASI

Yunus Emre KARABACAK, Nurhan GÜRSEL ÖZMEN

Konya Journal of Engineering Sciences · 2022

DOI: 10.36306/konjes.1049489 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Konya Journal of Engineering Sciences, 2022. Verfasst von Yunus Emre KARABACAK und 1 weiteren Autor:innen. Die Arbeit wurde bisher 3-mal zitiert (Crossref) und nennt 66 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Rulmanlar, yük taşıma kapasiteleri nedeniyle endüstride pek çok alanda sıklıkla kullanılan makine elemanları olduklarından, aşırı yükleme durumlarında adhezyon, abrazyon ve sürünme gibi aşınma türlerine ya da kırılmalara maruz kalabilirler. Bu nedenle, rulmanlarda durum izlemesi yapılması ve arızaların teşhis edilmesi, sürdürülebilirlik, yüksek performans ve güvenlik açılarından önemli bir husustur. Arıza türlerinin ayırt edilmesinde belirleyici özniteliklerin seçilmesi, farklı çalışma koşullarında bir takım öznitelikler de değişebildiğinden zor bir süreçtir. Bu nedenle, bu çalışmada sağlıklı rulmanların (SR) ve rulman arızalarının (dış bilezik arızası-AR1, iç bilezik arızası-AR2, yuvarlanma arızası-AR3) tespiti için özniteliklerin içsel dinamiklerle belirlendiği derin öğrenme yöntemi olan olan evrişimli sinir ağları (ESA) kullanılmıştır. Birbirinden farklı mimarilere sahip ESA yaklaşımlarını eğitmek için Kısa Zamanlı Fourier Dönüşümü uygulanan titreşim sinyallerinin spektrogramları elde edilmiştir. Spektogram verileri ile eğitilen GoogleNet, ResNet-50, EfficientNet-B0 ve AlexNet yaklaşımlarının sonuçları karşılaştırmalı olarak incelenmiştir. Karmaşık mimariye sahip ESA’ların (GoogleNet, ResNet-50, EfficientNet-B0 ) arızaları %100 doğrulukla, AlexNet’in ise %90 doğrulukla tespit ettiği görülmüştür, ancak ağ yapısı değiştikçe ve katman saysı arttıkça eğitim süresinin de uzadığı görülmüştür. Elde edilen sonuçların literatürdeki çalışmaların sonuçlarından üstün olduğu gözlenmiştir. Sonuç olarak, farklı yaklaşımlara sahip evrişimli sinir ağları yönteminin en temel rulman arıza tespitinde yüksek sınıflandırma doğruluğu sağladığı ve arıza teşhisi için umut vadeden bir yöntem olduğu görülmektedir.

Zitieren

APA

KARABACAK, Y. E., & ÖZMEN, N. G. (2022). RULMANLARDA TİTREŞİM VERİLERİNDEN DURUM İZLEME VE ARIZA TEŞHİSİ İÇİN DERİN ÖĞRENME YÖNTEMİNİN UYGULANMASI. Konya Journal of Engineering Sciences. https://doi.org/10.36306/konjes.1049489

Vancouver

KARABACAK YE, ÖZMEN NG. RULMANLARDA TİTREŞİM VERİLERİNDEN DURUM İZLEME VE ARIZA TEŞHİSİ İÇİN DERİN ÖĞRENME YÖNTEMİNİN UYGULANMASI. Konya Journal of Engineering Sciences. 2022. doi:10.36306/konjes.1049489

BibTeX
@article{KARABACAK2022,
  author = {KARABACAK, Yunus Emre and ÖZMEN, Nurhan GÜRSEL},
  title = {RULMANLARDA TİTREŞİM VERİLERİNDEN DURUM İZLEME VE ARIZA TEŞHİSİ İÇİN DERİN ÖĞRENME YÖNTEMİNİN UYGULANMASI},
  journal = {Konya Journal of Engineering Sciences},
  year = {2022},
  doi = {10.36306/konjes.1049489}
}
Kostenlos starten →