Rulman arızalarının makine öğrenmesi teknikleri kullanılarak sınıflandırılması

Makine sağlığı ve performansı makinedeki rulmanlar ile doğrudan ilintilidir. Makinelerin elzem parçaları olan rulmanların performansı makine performansını doğrudan etkilemektedir. Rulman arızası makinenin verimini düşürebilir, istendiği gibi çalışmasını engelleyebilir hatta durmasına sebep olabilmektedir. Bütün bunlar sadece maddi değil zaman, işgücü ve iş sağlığı kayıpları anlamına da gelmektedir. Bu kayıplardan dolayı rulman kondisyonunu izlemek ve rulman arızasını önceden tespit etmek çok önemlidir. Rulman arızasının nedenini bulmak arızanın tekrar etmemesi için alınacak önlemler bakımından büyük önem taşımaktadır. Rulman arıza nedenleri Arıza Modları ile doğrudan ilişkilidir. Rulman Arıza Modunu tespit etmek arıza nedeninin tespiti için çok önemlidir. Bu tez çalışmasında, farklı arızalara sahip bilyeli rulmanların akustik sinyalleri analiz edilerek farklı makine öğrenmesi teknikleri sayesinde arıza modları sınıflandırılmıştır. Akustik sinyallerin toplanması için, bir AC motor, yük oluşturucu rotor ve 90 derece faz farkı ile stereo ses kaydı yapabilen, bir kayıt cihazından oluşan bir deney düzeneği tasarlanmıştır. Aynı tipte bilyeli rulmanlar kullanılarak, bunların üzerinde ISO15243 standardına uygun farklı tipte yapay arızalar meydana getirilmiştir. Deney düzeneği kullanılarak arızalı rulmanların akustik verileri toplanmış ve bir veri seti oluşturulmuştur. Matlab programı kullanılarak Hızlı Fourier Dönüşümü ile akustik verilerin Zaman Domeninden Frekans domenine dönüşümü gerçekleştirilmiş ve Frekans Domenindeki verilerden işlevsel olabilecek öznitelik çıkarımı için bir yazılım geliştirilmiştir. Elde edilen özellikler kullanılarak farklı Makine Öğrenmesi Teknikleri uygulanarak rulman arıza sınıflandırmaları yapılmış ve başarım oranları karşılaştırılmıştır.