Year: 2025
Type: article
Abstract: Asenkron motorlarda meydana gelen rulman arızalarının erken teşhisi, endüstriyel süreçlerin verimliliği, güvenliği ve bakım maliyetlerinin düşürülmesi açısından kritik öneme sahiptir. Bu çalışmada, asenkron motor rulman arızalarının tespiti ve sınıflandırılması amacıyla çoklu sensör veri füzyonuna dayalı bir Evrişimli Sinir Ağı (CNN) modeli önerilmiştir. Çalışma kapsamında deneysel düzenekten elde edilen üç eksenli titreşim, üç fazlı akım ve tork sinyalleri işlenerek spektrogram görüntülerine dönüştürülmüş ve derin öğrenme modeline giriş verisi olarak sunulmuştur. Sistemin uygulanabilirliğini artırmak adına, LabVIEW ve Python entegrasyonuna sahip Grafiksel Kullanıcı Arayüzleri (GUI) geliştirilmiştir. Bu arayüzler sayesinde veri toplama, ön işleme, model eğitimi ve test işlemleri gerçekleştirilebilmektedir. Deneysel sonuçlar, tekil sensör verileri yerine veri füzyonu yaklaşımının kullanılmasının sınıflandırma başarısını belirgin şekilde artırdığını göstermiştir. Tek başına akım ve titreşim verileriyle elde edilen doğrulama doğrulukları sırasıyla %83.91 ve %98.10 iken; titreşim, akım ve tork verilerinin birleştirilmesiyle oluşturulan füzyon modeli %99.48 doğruluk oranına ulaşmıştır. Elde edilen bulgular, önerilen yöntemin endüstriyel ortamlarda arızaları yüksek hassasiyetle tespit edebileceğini ve kestirimci bakım uygulamaları için etkin bir çözüm sunabileceğini ortaya koymaktadır.
Authors: Eyüp Irgat, Abdurrahman Ünsal
Institution: Kütahya Dumlupınar Üniversitesi
Language: Turkish
Subfield: Control and Systems Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4417503013