DİNAMİK SİSTEMLERDE ZAMAN SERİLERİ ANALİZİ İLE ÖĞRENME TABANLI BİLGİ ÇIKARIMI

Abstract

Birçok sistemden çalışma durumu ile ilgili bilgi çıkarabilmek için zaman üzerinde örnekler alınmaktadır. Zaman serisi olarak ifade edilen bu veriler ilgili sistemin çalışması hakkında faydalı bilgiler verir. Zaman serileri analiz edilerek farklı çalışma durumlarının sınıflandırılması, kümeleme, motif keşfi ve anomali tespiti yapılabilmektedir. Bu tezde, dinamik bir sistem olarak elektrikli trenlerde trenin hareketi için gerekli enerjiyi sağlayan pantograf-katener sisteminden zaman üzerinde veriler alınmıştır. Pantograf-katener sistemden alınan verilere, zaman serileri analizi ve sinyal işleme tabanlı yöntemler uygulanarak arkla ilişkili özellikler ayıklanmıştır. Daha sonra makine öğrenmesi teknikleri, arkları tespit edebilmek için bu özelliklere uygulanmıştır. Tezde, pantograf-katener sistemlerde zaman üzerinde alınan sinyallerden ark tespitinin yapılabilmesi için iki temel yöntem sunulmuştur. Birinci yöntemde, tren üzerine sabitlenen bir kamera ile pantograf-katener sisteminden görüntüler alınmakta ve Otsu metodu uygulanarak görüntü pantograf, ark ve arka plan olarak bölütlenmektedir. Görüntüdeki ark oluşum yüzdesi bir zaman serisine dönüştürülmekte ve zaman serisinin iki boyutlu faz uzayı oluşturulmaktadır. Faz uzayında Parçacık Sürü Optimizasyonu ile ark olayları tahmin edilmektedir. İkinci yöntemde ise matematiksel morfoloji tabanlı özellik çıkarımı ve bulanık integral tabanlı ark tespiti yapılmaktadır. Bu amaçla iki adet akım, bir adet gerilim ve iki adet foto tüp sinyali elde edilmiştir. Sinyallere uygulanan matematiksel morfoloji ile sağlam ve ark oluşan sinyallerin birbirinden daha kolay ayırt edilmesi sağlanmıştır. İki akım ve bir gerilim sinyalinden çıkarılan özellikler, destek vektör makinası tabanlı sınıflandırıcılara gönderilerek her bir sınıflandırıcı için bir başarı oranı hesaplanmıştır. Ardından sınıflandırıcı sonuçları bulanık integral ile birleştirilerek ark tespit performansı artırılmıştır. Bu çalışma sonucunda, pantograf-katener sistem gerçek zamanlı olarak temassız teknikler ile izlenmiş ve temas noktasındaki ark oluşumları yüksek doğruluk oranlarıyla tespit edilmiştir. Bu tez çalışması 112E067'nolu TÜBİTAK 1001 programı kapsamında yürütülen araştırma projesi ile desteklenmiştir. Yapılan çalışmalar uluslararası konferans ve dergilerde sunulmuştur. Anahtar Kelimeler: Pantograf-Katener sistemler, Görüntü işleme, Zaman serileri analizi, Gerçek zamanlı izleme, Bulanık integral.

LEARNING BASED INFORMATION EXTRACTION BY TIME SERIES ANALYSIS IN DYNAMIC SYSTEMS Time samples are taken over the time to extract the knowledge about the operating condition of various systems. These data are referred to a time series. A time series gives useful information about the operating condition of related system. Classification of different operating conditions, clustering, motif discovery, and anomaly detection can be made by analyzing time series. In this thesis, pantograph-catenary system that provides the required energy for the movement of the train is taken as a dynamical system and the data are taken from it. The arc related features are extracted by applying signal processing and time series analysis methods to data taken from a pantograph-catenary system. Afterwards, machine learning methods are applied to these features in order to detect arcs. Two methods have been proposed to detect arcs by using data that taken from a pantograph-catenary system over the time. In the first method, frames are taken from a camera mounted on the roof of the locomotive. Afterwards, the current frame are segmented to regions such as pantograph, arc, and background by applying Otsu method. The rate of the shining is converted into a time series and the two dimensional phase space of this time series is constructed. Arc events are predicted by applying particle swarm optimization on phase space. In the second method, mathematical morphology based feature extraction and fuzzy integral based arc detection are performed. For his purpose, two current, one voltage signals and two phototube signals are acquired. Applying the mathematical morphology to the signals provided to separate healthy and arc related fault easily. Features obtained from two current and one voltage signals are given to support vector machines and a performance measure is calculated for each classifier. At the last stage, classifier results are combined by using fuzzy integral and the performance of arc detection is improved. At the result of this study, the pantograph-catenary system was monitored by using contactless techniques at real time and arcs occurred at the contact point were detected, successfully. This study has been supported by a research project in TUBITAK 1001 program under Project No: 112E067. The studies were presented at an international conference and a journal. Keywords: Pantograph-Catenary system, Image processing, Time series analysis, Real time monitoring, Fuzzy integral.