Sinyal işleme ve makine öğrenmesi yöntemleri ile dönen makinelerde titreşim sinyallerinden arıza analizi ve tespiti

Bu tez çalışmasında, endüstride sıklıkla kullanılan CNC makinesinin matkap ucunda meydana gelen hataların tespitine yönelik çalışmalar gerçekleştirilmiştir. Üretimde kullanılan her makine için zamanla arızalanma kaçınılmazdır. Arızaları meydana gelmeden önce tahmin edebilmek hem insan gücü kaybının hem de yüksek miktarlardaki onarım maliyetinin oluşmasına engel olur. Bu sebeple, makinelerde oluşan hataları analiz edebilmek uzun yıllardır uygulanan popüler bir konudur. Daha önce yapılan çalışmalar incelendiğinde, makinelerin çalışma koşullarında alınan gerilim, akım, sıcaklık ve titreşim gibi nicelikler kullanılmaktadır. Bu çalışmada, CNC makinesinin çalışması esnasında alınan titreşim sinyallerini içeren veri kümesi kullanılmıştır. Hataları teşhis edebilmek için, ham titreşim sinyallerinden özellikler çıkarılmıştır. Özellik çıkarma işlemi, büyük miktarda veri içerisinden değerli olan az miktardaki veriyi elde etmeyi sağlamaktadır. Bu bağlamda zaman alanı, frekans alanı, zaman-frekans alanı ve bu alanların birleşimi olmak üzere 4 alanda özellikler elde edilmiştir. Özellik çıkarma işleminden sonra, normalizasyon işlemi uygulanmıştır. Bu şekilde farklı değerlere sahip özelliklerin aynı anda verimli bir şekilde işlenebilmesi sağlanmıştır. Normalizasyon işleminden sonra, Uzun-Kısa Dönem Hafıza yapısı ve çeşitli derin öğrenme katmanları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Yapılan işlemler sonucunda %99,53 doğruluk oranı elde edilmiştir. Alınan doğruluk oranının karşılaştırmasını yapabilmek için, bu alanda çok tercih edilen Destek Vektör Makineleri kullanılmıştır. Bu çalışma ile, bu alanda daha önce kullanılmayan Uzun-Kısa Dönem Hafıza yapısı ile dönen makinelerde hata analizi yapılabileceği gösterilmektedir. Ek olarak, oluşturulan yapay sinir ağına farklı katmanlar eklemenin sonuca etkileri gösterilmektedir.