Yazar "Bayram, Samet" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Öğe
    Bilyeli rulmanlarda zaman uzayında istatistiksel öznitelik çıkarımı ve yapay sinir ağları metodu ile hata boyutunun kestirimi
    (Otomati̇k Kontrol Ulusal Toplantısı, 2013) Bayram, Samet; Kaplan, Kaplan; Kuncan, Melih; Ertunç, H. Metin
    Dönel makinelerde yataklama elemanı olarak kullanılan rulmanlarda meydana gelen arızalar, sistemin çalışmasını aksatan veya durduran nedenlerdendir. Bu çalışmada, bir milrulman sisteminde, belirli boyutlarda yapay hatalar oluşturulmuş rulmanlardan titreşim sinyalleri elde edilmiştir. Çalışmanın amacı, rulmanlarda meydana gelen arızaların boyutunu, yapay sinir ağları modelini kullanarak teşhis etmektir. Elde edilen titreşim verilerinin gerçek zamanda özellikleri çıkarılarak belirli ağırlıklarla çarpılmış, oluşturulan yapay sinir ağı modeline giriş olarak verilmiştir. Farklı arıza boyutlarına sahip rulmanların gerçek zamanda istatistiki özellikleri de farklı olmaktadır. Bu özellikler kullanılarak geliştirilen yapay sinir ağı ile rulmanlarda meydana gelen arızaların büyüklüğü, %100 bir başarı ile sınıflandırılırken, gerçek hata değerinin ise, ortalama %2 hata ile kestirildiği gözlemlenmiştir.
  • Küçük Resim
    Öğe
    The effect of bearings faults to coefficients obtained by using wavelet transform
    (IEEE 22nd Signal Processing and Communications Applications SIU, 2014) Bayram, Samet; Kaplan, Kaplan; Kuncan, Melih; Ertunç, H. Metin
    In this study, artificial defects in various diameters are formed on inner race, outer race and ball bearing which are essential components of a bearing and vibration signals are collected by a data acquisition card from bearing-shaft setup. The signals acquired are decomposed from noise with wavelet transform; thus vibration signal resulting from normal operation of the system is obtained. The energy of noisy and noise-free signal is calculated and the wavelet coefficients that will be used in classifying are obtained. As a conclusion of experimental studies, the technique based on wavelet transform coefficients accomplishes the classifications of different bearings fault types successfully.
  • Küçük Resim
    Öğe
    Feature extraction of ball bearings in time-space and estimation of fault size with method of ANN
    (Proceedings of the 16th Mechatronika, 2014) Kaplan, Kaplan; Bayram, Samet; Kuncan, Melih; Ertunç, H. Metin
    Faults in bearings used in machines cause downtime and leads to catastrophic results on the machining operations. In this study, specific sizes of the artificial bearings defects are created and vibration signals were obtained from a shaft-bearing system. The purpose of this study is to diagnose the size of the defects occurring in bearings by using Artificial Neural Networks(ANN) model. Features of vibration data are extracted in real time and are multiplied with specific weights; then they were given as input to the ANN model. Statistical properties of bearings faults are observed that their values vary depending on fault dimensions in real-time. These features are examined by using ANN and the size of the defects occurring in bearings are classified with 100% success, on the other hand the prediction permonfance of actual error for a ANN model is found 2%.