Show simple item record

dc.contributor.advisorÇelebi, Kerimcan
dc.contributor.authorDemirkiran, Hakan
dc.date.accessioned2020-12-06T13:54:50Z
dc.date.available2020-12-06T13:54:50Z
dc.date.submitted2019
dc.date.issued2019-09-09
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/103026
dc.description.abstractBu çalışmada, gerçek bir boru hattı sisteminde farklı lokasyonlardaki pompa istasyonlarında bulunan eşdeğer santrifüj pompaların çalışma verileri ile titreşim değerini tahmin edecek bir yapay sinir ağı oluşturulmuştur. Bunun için deney düzeneği olarak ele alınan gerçek sistemde çalışan pompaların işletilmesini sağlayan SCADA sisteminde saat başı otomatik olarak kayıt altına alınan 18 farklı veri toplanarak bu verilerden hedef çıktı olan titreşim ile bağıntısı en yüksek olan 7'si yapay sinir ağı eğitiminde kullanılmıştır. Eğitim için yapay sinir ağına sunulan veri sayısının YSA başarısına etkisini incelemek adına 7 verinin her birinden, kullanılan veriler bir diğer matriste tekrar kullanılmayacak şekilde 250, 500 ve 1000'er veriden oluşan matrisler oluşturulmuştur. En uygun sinir ağı modeli belirlenerek, titreşim ortalama 4,95 hata oranı ile tespit edilmiş ve bu değer ile gerçek değer karşılaştırılmak suretiyle, iki değer arasındaki sapmanın muhtemel bir arızanın erken tespitinde kullanılabileceği gösterilmiştir.
dc.description.abstractIn this study, an artificial neural network is modelled for estimating the vibration of pump with the working data of equivalent centrifugal pumps running at different locations of a pipeline system. For this purpose, hourly collected 18 different working data of a pumps running on a real pipeline system which is controlled by SCADA system, which is handled as an experimental setup, are collected. 7 of these working data, which have a higher correlation with target output vibration, are used for training of artificial neural network. In order to observe the effect of the number of data given to ANN for training, data matrixes of 250, 500 and 1000 from each value of 7 data are created by taking into consideration that not to use same data in each matrix. The best neural network model is determined for these pumps and vibration is estimated with 4,95 MAPE value. It is shown that the deviation between the actual vibration and estimated vibration can be used for early fault detection.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectMakine Mühendisliğitr_TR
dc.subjectMechanical Engineeringen_US
dc.titleBoru hattı sisteminde çalışan pompa titreşiminin yapay sinir ağı metodu ile modellenerek öngörülen titreşim değerleri üzerinden arıza tespiti
dc.title.alternativeModelling the vibration of a pump working on a pipeline system with artificial neural network and fault detection by using predicted vibration value
dc.typemasterThesis
dc.date.updated2019-09-09
dc.contributor.departmentMakine Mühendisliği Anabilim Dalı
dc.subject.ytmMaintenance techniques
dc.subject.ytmArtificial neural networks
dc.subject.ytmState monitoring
dc.identifier.yokid10258071
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityOSMANİYE KORKUT ATA ÜNİVERSİTESİ
dc.identifier.thesisid557976
dc.description.pages85
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess