Rulman Titreşim Verilerinden Derin Öğrenme Tabanlı Arıza Tespiti

Authors : Engin Oğuzay, Murat Balta

Pages : 1159-1175

Doi:10.31466/kfbd.1434595

View : 25 | Download : 28

Publication Date : 2024-09-15

Article Type : Research Paper

Abstract :Rulman titreşimlerinin analizi, bir makinenin mekanik bileşenlerinin genel sağlığı hakkında bilgi sağlayabilir. Bu çalışmada, endüstride yaygın olarak kullanılan motor mekaniklerindeki kusurları tespit etmek ve üretim verimliliğini artırmak için derin öğrenme algoritmaları hem 1 boyutlu hem de 2 boyutlu veri uzaylarına entegre edilmiştir. Popüler ve kapsamlı Case Western Reserve Üniversitesi (CWRU) rulman veri kümesi kullanılarak on farklı sınıf üzerinde çalışılmıştır; bu veri kümesi üç tür hata (dış bilezik, bilye ve iç bilezik) ve sağlıklı bir sınıf içermektedir. Rulman titreşim sinyali dört şekilde ele alınmıştır: orijinal titreşim verilerinin kullanılması, orijinal verilerden özelliklerin çıkarılması, orijinal verilere STFT uygulanması ve STFT uygulanmış verilerden özelliklerin çıkarılması. KNN, SVM ve 1D WDCNN gibi makine öğrenimi yaklaşımları 1 boyutlu verilere uygulanmıştır. Ayrıca 2 boyutlu veri uzayında STFT dönüşümü uygulanmış ve EfficientNetB0, EfficientNetB1, ResNet18 ve 2D WDCNN kullanılarak farklı istatistiksel metriklerle performans ölçümleri yapılmıştır. 2 boyutlu uzayda derin öğrenme yöntemleri %100 doğruluk elde etmiştir.
Keywords : Motor Yatağı Titreşimi, Derin Öğrenme, Sinyal Sınıflandırma, Endüstriyel Arıza Tanıma