GÖMÜLÜ DURUM İZLEME VE ARIZA TEŞHİSİ ALGORİTMALARI KULLANAN AKILLI SÜRÜCÜ SİSTEMLERİ GELİŞTİRİLMESİ

Abstract

Çok hızlı şekilde gelişen endüstrilerin bilgisayar tabanlı bir otomasyona dönüştüğü günümüzde, gerçek zamanlı durum izleme ve arıza tespit sistemlerinin gerçekleştirilmesi oldukça önemlidir. Endüstriyel işletmelerde sürücü sistemleri ile tümleşik olarak çalışabilecek durum izleme ve arıza teşhis algoritmaları konusunda çeşitli araştırmalar vardır. Endüstriyel sistemlerdeki asenkron motorlarda oluşabilecek arızaların önceden belirlenmesi olası üretim sürekliliğini sağlayacağından, asenkron motorlarda durum izleme ve arıza teşhis algoritmalarını içeren bir kestirimci bakım yönteminin geliştirilmesi oldukça önemlidir. Bu tez çalışmasında durum izleme ve arıza teşhis algoritmaları ve bu algoritmaları kullanan akıllı sürücü sistemleri için gömülü bir uygulama geliştirilmiştir. Bu amaçla tez kapsamında ilk olarak zaman serileri analizi tabanlı bir arıza teşhis yaklaşımı deneysel sonuçlarla sunulmuştur. Buna yönelik asenkron motorlarda gerilim dengesizliği arızaları için geliştirilen algoritmalar verilmiştir. Diğer çalışmada eksantriklik arızaların teşhisi için Hilbert dönüşümünü kullanan bir algoritma önerilmektedir. Bu çalışmada önerilen yaklaşımın performansı deneysel sonuçlarla sunulmaktadır. Tezin son aşamasında ise geliştirilen algoritmaların ARM tabanlı STM32F746 kiti ile gömülü bir sürücü sistemde uygulanması için bir tasarım gerçekleştirilmiş ve buna yönelik sonuçlar verilmiştir. Sonuç olarak bu tez çalışmasında gerçek zamanlı çalışmaya uygun bir durum izleme ve arıza teşhis algoritması gerçekleştirilmiştir ve bu algoritmaların gömülü bir sistem üzerinde doğrulama çalışmaları yapılmıştır. Bu tez çalışması 0692.STZ.2014 kodlu SAN-TEZ projesi ile desteklenmiştir.Nowadays, when the rapidly developing industries are turned into computer-based automation, the realization of real-time condition monitoring and fault diagnosis systems is very important. There are various researches on condition monitoring and fault diagnosis algorithms that can work integrated with drive systems in industrial enterprises. Since pre-determination of fault that can occur in induction motors in industrial systems will provide the potential production continuity, it is very important to develop a predictive maintenance method that includes condition monitoring and fault diagnosis algorithms in induction motors. In this thesis study, an embedded application is developed for condition monitoring and fault diagnosis algorithms and intelligent driver systems using these algorithms. For this purpose in extent of the thesis, firstly a fault diagnosis approach based on time series analysis is presented with experimental results. For this purpose, it is given the algorithms developed for inverter-fed faults in induction motors. In the other work, an algorithm that uses the Hilbert transform for the detection of eccentricity faults is proposed. In this study, the performance of the proposed approach is presented by experimental results. At the last stage of the thesis, a design has been realized for implementing an embedded driver system with the ARM-based STM32F746 kit of developed algorithm and the results are given. As a result, in this thesis study is performing suitable for real-time work a condition monitoring and fault diagnosis algorithm and these algorithms have been confirmation on an embedded system. This thesis study was supported by SAN-TEZ project with code 0692.STZ.2014.