A New One-Dimensional Convolutional Neural Network Model for Detecting Motor Bearing Failures

Abstract

Elektrik motorları, çeşitli işlemleri otomatikleştirme ve kolaylaştırma yeteneklerinden dolayı endüstride önemli bir yere sahiptir. Elektrik motorlarında meydana gelen arızalar, cihazın veya sistemin çalışmasını etkileyebilmekte ve büyük maddi kayıplara neden olabilmektedir. Bu nedenle arızaların erken aşamada tespit edilmesi kritik bir öneme sahiptir. Arızaların tespitinde bilgisayar destekli yazılımlar kullanılması maliyetten ve zamandan tasarruf etme potansiyeli nedeniyle ön plana çıkmaktadır. Bu çalışmada, motor yatağı arıza türlerini tespit etmek için derin öğrenme tabanlı bir model önerilmiştir. Tek boyutlu konvolüsyonel sinir ağı (1D-CNN) mimarisi kullanan bu model ile sadece titreşim verileri kullanılarak arıza tipi tespiti sağlanmaktadır. Önerilen mimari, titreşim sinyallerini motor arıza teşhisinde hızlı ve güvenilir olarak kullanan etkin bir modeldir. Çalışma kapsamında farklı hız senaryoları kullanılarak eğitim ve test aşamalarının detaylı performans değerlendirmeleri sağlanmıştır. Genelleme kabiliyeti yüksek olan bu model ile, farklı senaryolarda yüksek doğruluk oranları ile arıza tespiti yapılmıştır.