| Tez Türü | Yüksek Lisans |
| Ülke | Türkiye |
| Üniversite | Gaziosmanpaşa Üniversitesi |
| Enstitü | Fen Bilimleri Enstitüsü |
| Anabilim Dalı | Elektrik-Elektronik Mühendisliği Ana Bilim Dalı |
| Tez Onay Yılı | 2017 |
| Öğrenci Adı ve Soyadı | Burak KARA |
| Tez Danışmanı | YRD. DOÇ. DR. ZAFER DOĞAN |
| Türkçe Özet | Şebeke kalkışlı daimi mıknatıslı senkron motorlar yüksek verim, yüksek güç faktörü ve yüksek mekaniksel kuvvet gibi üstün özelliklerinden dolayı son yıllarda endüstrinin birçok uygulamasında yer almışlardır. Şebeke kalkışlı daimi mıknatıslı senkron motorun arızalanması üretim kayıplarını meydana getirmesinin yanı sıra yüksek bakım ve onarım masraflarını da beraberinde getirir. Bu nedenle şebeke kalkışlı daimi mıknatıslı senkron motorun çalışırken oluşacak arızaların tespiti çok önemlidir. Bu çalışmada şebeke kalkışlı daimi mıknatıslı senkron motorun eksenden kaçıklık arızasının tespitine yönelik çalışmalar gerçekleştirilmiştir. Motor sağlam ve arızalı durumları için iki adet özdeş şebeke kalkışlı daimi mıknatıslı senkron motor kullanılmıştır. Birinci motor sağlam durumu için kullanılmıştır. İkinci motor üzerinde sırasıyla statik ve dinamik eksenden kaçıklık durumları oluşturulmuştur. Sağlam ve arızalı yük durumunda farklı yük koşulları altında akım gerilim verileri toplanmıştır. Toplanan verilerden zaman boyutunda istatistiksel parametreler hesaplanarak motor durumlarına ait özellik vektörleri elde edilmiştir. Daha sonra bu özellik vektörlerinden çok katmanlı yapay sinir ağı ile arıza tespiti gerçekleştirilmiştir. |
| İlgilizce Özet | Line-start permanent magnet synchronous motors have taken part in many applications of the industry in recent years due to their superior features such as high efficiency, high power factor and high mechanical strength. Failure of line-start permanent magnet synchronous motor not only brings about production losses but also brings high maintenance and repair costs. For this reason, it is very important to determine the faults that will occur while the Line-start permanent magnet synchronous motor is running. In this study, studies have been carried out to determine the axial misalignment failure of the line-start permanent magnet synchronous motor. Two identical line-start permanent magnet synchronous motors are used for healty and faulty conditions. The first engine is used for healty condition. On the second motor, static and dynamic axial misalignment states were created, respectively. In the case of a healty and faulty load, the current and voltage data are collected under different load conditions.. The statistical parameters in the time dimension are calculated from the collected data, and the feature vectors of the motor states are obtained. Fault detection was then performed by using multi-layer artificial neural network from these feature vectors. |