Görüntüleme (gezinme ile): 3 -- Görüntüleme (arama ile): 9 -- IP: 18.119.143.4 -- Ziyaretçi Sayısı:

Özgün Başlık
İleri İşaret İşleme Yöntemleri ile Elektrik Motorlarında Rulman Arıza Tanısı

Yazarlar
Emine Ayaz, Serhat Şeker

Dergi Adı
İTÜ Dergisi D : Mühendislik

Cilt
Aralık 2002, Cilt 1, Sayı 1, ss. 23-34

Anahtar Kelimeler
Asenkron Motor ; Dalgacık ; Titreşim ; Yapay Sinir Ağları ; Arıza Tanısı ; Öngörülü Bakım

Özet
Bu çalışmada asenkron motorlarda öngörülü bakım teknolojisine dayalı, rulman arıza gelişimi üzerine bir inceleme gerçekleştirilmiştir. Rulman arızası, hızlandırılmış eskitme süreçleri ile yapay olarak oluşturulmuştur. Motordan alınan titreşim ve akım işaretlerinin istatistiksel ve dalgacık analizi sonucu rulman arızasına ilişkin özellik çıkarımı yapılmıştır. Bu işaretlerin bir arada değerlendirilmesi ile koherens fonksiyonu tanımlanarak rotor eksenel bozukluğunu gösteren en baskın frekans değeri belirlenmiştir. Bu anlamda işaretler arasındaki ilişki, bir yapay sinir ağına öğretilerek (YSA), arıza frekanslarının YSA ile belirlenebildiği gösterilmiştir. Genetik algoritma yaklaşımı da YSA çıkışlarındaki maksimum hatayı bulmak için kullanılmıştır. Böylece YSA ve GA tabanlı hibrit bir yapay zeka izleme sistemi oluşturulmuştur.

Başlık (Yabancı Dil)
Bearing Fault Diagnosis in Electric Motors by Advanced Signal Processing Techniques

Anahtar Kelimeler (Yabancı Dil)
Induction Motors ; Wavelet ; Vibration ; Artificial Neural Networks ; Fault Detection ; Predictive Maintenance

Özet (Yabancı Dil)
This paper presents to detect the motor bearing failures for predictive maintenance purpose using the accelerated aging studies based on bearing flutings in electric motors. In terms of the bearing damage, feature extraction from vibration signals in electric motors was realized using the wavelet analysis. And an early detection criterion was developed by means of the statistical analysis of the motor vibration signals. Also, considering both of the motor current and vibration signals, correlation between these signals is shown by the coherence function, which is defined in frequency domain. Hence, most dominant frequencies related to rotor eccentricity caused by the bearing failures can be easily determined. These computed coherence functions defined for each aging cycle form initial case to final case are used as training and recall data set for an Artificial Neural Network (ANN). With this way, it is shown that ANN provides a very good performance in terms of the motor failure detection. Also, standard Genetic Algorithm (GA) approach is used to find the maximum amplitude, which indicates the faulty case of the bearings, by error signals at output nodes of the ANN. Hence, a hybrid Artificial Intelligence technique, which is based on ANN and GA methodologies, is implemented for motor condition monitoring studies.