Asenkron motor rulman hatalarının uzun-kısa süreli bellek tipi derin sinir ağları ile sınıflandırılması

Asenkron motorlar güvenilir, hesaplı ve dayanıklı olmaları nedeniyle endüstride yaygın olarak tercih edilmektedir. Asenkron motorların rulman bileşenlerinin iç bilezik, bilye ve dış bilezik bölgelerinde sıklıkla hatalar meydana gelmektedir. Bu sebepten ötürü, asenkron motorlarının verimini arttırmak için rulman hatalarının önceden tespiti ve sınıflandırması oldukça önemlidir. Bu tez çalışmasında, Case Western Reserve University (CWRU) rulman veriseti ile Mendeley Rulman Titreşim verisetindeki titreşim verileri kullanılarak, asenkron motor rulmanlarının iç bilezik, dış bilezik ve bilye bölgelerinde oluşan hatalarının otomatik sınıflandırılması için iki yönlü uzun-kısa süreli bellek tipi (IY-UKSB) tipi derin sinir ağlarına dayalı bir yöntem önerilmektedir. Tez kapsamında verisetleri üzerinde yürütülen deneysel analizlerde, sağlıklı (normal) ve sağlıksız (hatalı) rulmanlara ait titreşim verileri 128, 256, 512 ve 1024 gibi farklı boyutlarda pencerelere ayrılarak, anlık frekans ve spektral entropi gibi çeşitli özellik çıkarımı yöntemleri sonucunda elde edilen veriler ile önerilen IY-UKSB ağının performansı değerlendirilmiştir. Çalışmada normal ve hatalı rulman verilerinden hazırlanan veriseti üzerinde farklı pencere genişliklerinde test kümesi üzerinde IY-UKSB ağının doğruluğunun CWRU verisetinde ortalama %60 civarında kaldığı, Mendeley Rulman Titreşim verisetinde ise ortalama %75 civarında olduğu hesaplanmıştır . Normal ve hatalı rulman verilerinin sınıflandırılmasında anlık frekans ve spektral entropi ile özellik çıkarımı sonrası IY-UKSB ağının ortalama doğruluğunun CWRU verisetinde ortalama %95'in üzerine, Mendeley Rulman Titreşim verisetinde ise %99'un üzerinde olduğu görülmüştür. Sonuç olarak, önerilen IY-UKSB ağının normal ve hatalı rulman titreşim verilerinin ayrımı için güçlü bir sınıflandırıcı olduğu değerlendirilmiştir. Çalışmanın diğer adımında hatalı verilerin konumunun sınıflandırılması ve hata büyüklüğünün sınıflandırılması da sağlanmıştır. Yapılan deneysel çalışmalarda özellik çıkarımı uygulanan IY-UKSB ile iki farklı veriseti üzerinde asenkron motor rulman hatalarının sınıflandırılmasında, yüksek performans elde edildiği doğrulanmıştır.