Tekerlek içi elektrik motorlarında yapay zeka tabanlı arıza teşhisi

Elektrik motorları yaygın kullanımıyla insan hayatının vazgeçilmez bir parçasıdır. Tekerlek içi elektrik motorları elektrik enerjisi ile ulaşım sektörünün kesişim noktasında, ulaşım sektöründe gittikçe yaygınlaşacağı ön görülen BLDC (brushless direct current, fırçasız doğru akım) motorlardır. Tekerlek içi elektrik motorları, yapıları itibariyle elektrikli araçlarda kullanıma uygundur. İnsan hayatı ile doğrudan veya dolaylı yollarla bağlantılı olan ulaşım sektörü büyük öneme sahiptir. Bu sebeple tekerlek içi elektrik motorlarının daha az devre dışı kalan ve güvenli motorlar olması gerekmektedir. Tekerlek içi elektrik motorları için arıza teşhisi çalışmalarının amacı motorun daha güvenilir ve verimli olmasını sağlamaktır. Bunun için, motorların devre dışı sürelerinin hızlı atlatılması gerekmektedir. Bu tez çalışmasında, öncelikle arızalı durumlar arasında farklar oluşturabilecek giriş değişkenleri belirlenmiş, yapay zeka tekniklerinin giriş değişkenleri olarak tespit edilmiştir. Tasarlanan ve gerçekleştirilen test ve deney düzeneği sayesinde, tekerlek içi elektrik motorunun arıza teşhisi için yapay zeka tekniklerinin giriş değişkenleri olarak belirlenen tork, devir sayısı, besleme akımı, faz akımları ve besleme gerilimi gibi değişkenlerin ölçümlerinin yapılabilmesi ve motorun mekanik olarak yüklenebilmesi sağlanmıştır. Arıza teşhisi çalışması için ileri beslemeli geri yayılımlı yapay sinir ağı, kaskat ileri beslemeli yapay sinir ağı, Elman yapay sinir ağı, katman yinelemeli yapay sinir ağı ve bulanık mantık yöntemi kullanılmıştır. Kullanılan yapay zeka tekniklerinin başarı düzeyleri, gerçekleştirilen testlerle ölçülülüp karşılaştırılarak, en başarılı sonuçları veren yapay zeka tekniği, gerçek zamanlı arıza teşhisinde de uygulanmıştır. Arıza teşhisi sisteminin çıkışı olarak tespit edilen bulanık mantık için 6 durum ve yapay sinir ağları için 14 durum (13'ü arıza, 1'i normal), yüksek başarı yüzdeleriyle teşhis edilmiştir. İleri beslemeli yapay sinir ağı en başarılı ağ olarak tespit edilmiştir. Daha sonra, tasarlanan gerçek zamanlı arıza teşhisi sistemine dahil edilen ileri beslemeli yapay sinir ağı, 14 ayrı durumun teşhisini başarıyla gerçekleştirmiştir. Bu çalışma, tekerlek içi elektrik motorlarında oluşabilecek arızaların başlangıç aşamasında teşhisi sayesinde, arızaların genişlemesi engellenerek arıza ve bakım maliyetinin düşürülmesi, verimi düşüren arızaların teşhisi sayesinde verim artışı ve motorların daha güvenli kullanımı konularında katkılar sağlayacaktır.