PNÖMATİK SİSTEMDE GERÇEK ZAMANLI LVQ YAPAY SİNİR AĞI ALGORİTMASI İLE ARIZA TESPİTİ
Mustafa DEMETGÜL1Marmara Üniversitesi, Teknik Eğitim Fakültesi, Makine Eğitimi Bölümü, Göztepe/İstanbulBu çalışmada, pnömatik sistemde arıza meydana geldiğinde bunun çok çabuk teşhis edilmesi ve gerekli önlemlerin alınması için yapay sinir ağı geliştirilmiştir. Deney amaçlı geliştirmiş olduğumuz şişe dolum tesisinde bir arıza olduğunda sistemin değişik yerlerine konulan basınç sensörleri ve doğrusal cetvellerden gelen analog değerlere göre hiçbir müdahale olmadan sistemin neresinde arıza olduğu tespit edilebilmektir. Yapay Sinir Ağı (YSA) ile deney seti üzerindeki şişe yok, B kapak kapama silindiri çalışmıyor, C kapak sıkıştırma silindirine hava gelmiyor, sistemin hava basıncı yetersiz, su yok, sistemin hava basıncı az arızaları bulunmaktadır. Arızalar LVQ yapay sinir ağı algoritması ile teşhis edilmektedir. Arıza tespitinde geleneksel programlama veya PLC yardımı ile arıza tespiti yapmak mümkündür. Yapay sinir ağı kullanılmasının sebebi kullanıcıya arızanın bulunduğu yeri bildirmesi ve farklı sistemler üzerinde bu geliştirilen programın kullanılabilir olmasıdır. Amaç, pnömatik sistemde bir arıza olduğunda sistem üzerinden veri toplama kartı ile alınan verileri kullanarak yapay sinir ağı vasıtasıyla gerçek zamanlı olarak arıza teşhisi yapmaktır. Geliştirilen programın mekatronik sistemlerin bulunduğu tesislerde arıza tespitine katkı sağlayacaktır.
Anahtar Kelimeler: Yapay sinir ağı, Arıza teşhisi, LVQ (Lineer Victor Quantization), Pnömatik.EXPERIMENT BASED FAULT DIAGNOSIS ON BOTTLE FILLING PLANT WITH LVQ ARTIFICIAL NEURAL NETWORK ALGORITHM
Mustafa DEMETGÜL1Marmara Üniversitesi, Teknik Eğitim Fakültesi, Makine Eğitimi Bölümü, Göztepe/İstanbulIn this study, an artificial neural network is developed to find an error rapidly on pneumatic system. Also the ANN prevents the system versus the failure. The error on the experimental bottle filling plant can be defined without any interference using analog values taken from pressure sensors and linear potentiometers. The sensors and potentiometers are placed on different places of the plant. Neural network diagnosis faults on plant, where no bottle, cap closing cylinder B is not working, bottle cap closing cylinder C is not working, air pressure is not sufficient, water is not filling and low air pressure faults. The fault is diagnosed by artificial neural network with LVQ. It is possible to find an failure by using normal programming or PLC. The reason offing Artificial Neural Network is to give a information where the fault is. However, ANN can be used for different systems. The aim is to find the fault by using ANN simultaneously. In this situation, the error taken place on the pneumatic system is collected by a data acquisition card. It is observed that the algorithm is very capable program for many industrial plants which have mechatronic systems.
Keywords: Neural network, Fault diagnosis, LVQ (Lineer Victor Quantization), Pneumatic.| ARAÇLAR |
 Tam Metin PDF Yazdır Alıntıyı İndir RIS EndNote BibTex Medlars Procite Reference Manager E-Postala Paylaş Benzer makaleler Google Scholar |