AKUSTİK SİNYALLERİN ANALİZİ VE ELEKTRİK MOTORLARINDA ARIZA TEŞHİSİ

Abstract

Elektrik motorlarının endüstriyel amaçlı kullanımı her geçen gün giderek yaygınlaşmaktadır. Elektrik motorlarında meydana gelen arızaların önceden tespit edilebilmesi ise hem motorların sağlıklı ve verimli çalışması hem de motorun kullanıldığı endüstriyel faaliyette yaşanabilecek zamansal ve maddi kayıpların önlenmesinde hayati önem taşımaktadır. Ses dalgalarının analizi ile arıza teşhisi son zamanlarda üzerinde oldukça çalışılan, ekonomik olduğu kadar yüksek doğrulukla sonuç veren bir yöntemdir. Ses dalgalarının analiz edilmesi yöntemi ile sağlam bir elektrik motoru ile elektriksel veya mekanik bir arızası bulunan bir motorun ayırt edilebilmesi mümkündür. Bu çalışmada bir elektrik motorunun belirli arızalarına ilişkin ses sinyallerinin işlenmesi ve makine öğrenme algoritmaları kullanılarak sınıflandırılması amaçlanmıştır. Ses dalgalarını programa doğrudan aktararak akustik sinyallere dönüştürebilmesi, Hızlı Fourier Dönüşümü özelliği ile sinyalleri zaman ekseninden frekans eksenine geçirebilmesi, spektrum analizör özelliği ile sinyalleri detaylı olarak inceleyebilmesi, makine öğrenme algoritmalarına erişme ve kullanma kolaylığı sağlaması nedeniyle MATLAB programı tercih edilmiştir.

The industrial use of electric motors is increasing day by day. The ability to detect faults in electric motors in advance is of vital importance both for the healthy and efficient operation of the motors and for the prevention of temporal and financial losses that may occur in the industrial activity where the motor is used. Fault diagnosis with the analysis of sound waves is a method that has been studied a lot lately and it is economical as well as giving results with high accuracy. By analyzing sound waves, it is possible to distinguish between a healty electric motor and a motor with an electrical or mechanical fault. In this study, it is aimed to process the audio signals related to certain faults of an electric motor and to classify them using machine learning algorithms. The MATLAB program has been preferred because it can convert sound waves into acoustic signals by directly transferring them to the program, transfer signals from time axis to frequency axis with the Fast Fourier Transform feature, examine the signals in detail with the spectrum analyzer feature, and provide ease of access and use of machine learning algorithms.