Rulman titreşim verilerinden derin öğrenme tabanlı hata tespiti

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: MURAT BALTA

Danışman: ENGİN OĞUZAY

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Rulman titreşim analizi makinenin mekaniksel sağlığı hakkında bilgi verebilmektedir. Bu çalışmada endüstride kullanılan motorlu mekaniklerin arıza tespiti bulmak ve iş üretimi verimini artırmak için 1-Boyutlu ve 2-Boyutlu veri uzayında derin öğrenme yaklaşımları makine sağlığı için entegre edilmiştir. Uygulama kısmında geniş kapsamlı olan Case Western Reserve University (CWRU) rulman veri seti üzerinde toplamda 10 farklı sınıf üzerinden çalışılmıştır. Toplamda dış bilezik, bilye ve iç bilezik olarak 3 farklı hata ve bir sağlıklı sınıf mevcuttur. Rulman titreşim sinyali dört şekilde ele alınmış; orijinal titreşim verisini kullanmak, orijinal veriden öznitelikler çıkarmak, orijinal veriye STFT uygulanmak ve yine STFT uygulanmış veriden öznitelikler çıkartmak. Makine öğrenmesi yaklaşımlarımdan KNN, SVM, MLP, RF, GBC ve 1D WDCNN 1-B veri üzerinde uygulanmıştır. Ayrıca 2-B veri uzayında STFT dönüşümü uygulanarak EfficientNetB0, EfficientNetB1, ResNet18 ve 2D WDCNN için farklı istatiksel metrikler ile performans ölçümü yapılmıştır. 2B uzayında derin öğrenme yöntemleri ile 100% doğrulukla hata tespiti yapılmıştır.