Rulmanlar, makinelerin görevlerini sağlıklı bir şekilde yapabilmeleri için önemli görevler üstlenmektedir. Rulmanların iç ve dış bilezikleri arasındaki yuvarlanma elemanının dönmesiyle en az sürtünme ve enerji kaybıyla iş yapabilmeleri amaçlanmaktadır. Yuvarlanmalı yatak; dönen şaftla bütünleşik bir iç yataktan, sabit çerçeveyle bütünleşik bir dış yataktan, iki yatağı birbirine bağlayan yuvarlanma elemanlarından ve yuvarlanma elemanlarını yuvalarında eşit mesafede tutan bir kafesten meydana gelir. Rulman arızası teşhisinde, rulman sağlığı koşulları hakkında zengin bilgileri nedeniyle titreşim sinyallerinden kapsamlı şekilde yararlanılmaktadır. Bu titreşim sinyalleri arızalı rulmanları değerlendirmek için kullanılırlar. Yüksek titreşimler, sistemdeki parçaların deforme olmasına ve arıza meydana gelmesine neden olabilir. Bu kusurların ve bunlardan kaynaklanan titreşimlerin tanımlanması, rulmanların durumunun izlenmesi açısından önemlidir. Yatak kusurları genel olarak bölgesel kusurlar ve dağınık kusurlar (dalgalılık, düzgünsüzlük, pürüzlülük, eksen kaçıklığı, radyal açıklık, dengesizlik v.b.) olarak iki kategoride sınıflandırılır. Bu çalışmada, farklı deney düzeneklerinden elde edilen veri setleri toplanmıştır. Bu veri setleri, yatağın yakınına yerleştirilmiş ivmeölçerler tarafından elde edilen titreşim verilerinden oluşmaktadır. Bahse konu veri setleri ve deney düzeneği bilgileri açık kaynaklardan elde edilmiştir. Bu veriler işlenerek, daha belirgin hata tespiti yapılması ve elde edilen frekans spektrumları incelenerek oluşan hatanın boyutunun değerlendirilebilmesi amaçlanmıştır. Alınan sağlam ve kusurlu rulman verileri, PYTHON programında sinyal işleme metotları ve derin öğrenme yaklaşımları ile analiz edilmiştir. Sonuçlar doğruluk ve performans değerleri açısından karşılaştırmalı olarak sunulmuştur. (ORCID ID: 0000-0002-9251-7335)
Anahtar Kelimeler: Rulman Hasar Tespiti, Titreşim Ölçümü, Makine Öğrenmesi, Yapay Sinir Ağları
|
