Residual generation and fault diagnosis of rechargeable lead-acid batteries

Abstract

Anahtar Kelimeler: Hata Diyagnozu, Rezidu Üretme, Lineer OlmayanDinamik Sistemin Modellenmesi, Yapay Zeka MetodlarıBirçok üretim endüstrisinde hatanın erken tespiti önemli rol oynamaktadır.Bu zamandan ve maliyetten kazanç saglayacaktır.Yapay Sinir Agları ve Bulanık Mantık gibi kalitatif metodlar, lineer olmayandinamik sistemlerin modele dayalı hata tespit ve sınıflandırılmasındasıkça kullanılan yöntemlerdir. Bunun sebebi, bu sistemlerin dogru modellenmesiçok zordur. Bu çalısmanın ilk kısmında yapay sinir agları veadaptif sinir agı-bulanık mantık metodları ile su tankı sistem modellemesiyapılmıstır. Böylece hata sınıflandırmada kullanılacak artıkların üretilmesihedeflenmistir. Bu çalısmadan görülmüstür ki yapay sinir agları , adaptif siniragı-bulanık mantıktan daha iyi sonuç vermektedir, ama egitim süresi uzamaktadır.Arastırmanın ikinci kısmında lineer olmayan dinamik sistemlerdehatanın sınıflandırması için sınıflandırma agacı ve Fisher Diskriminant Analizi(FDA) yöntemleri kullanılmıstır. Bunların performansları karsılastırıldıgındaFDA yöntemiyle büyük boyutlu egitim verileri için daha uzun sürede amadaha az yapraklı agaç olusturuldugu görülmüstür. Bu tezin katkıları SarjEdilebilir Kursun-Asit Bataryaların modellenmesi ve hata diyagnozu alanındaolmustur. Bunun için gözlemsel metotlarla istatistik metotlar (sınıflandırmaagacı gibi) birlestirilmistir.

Keywords: Fault Diagnosis, Residual Generation, Modeling of NonlinearDynamic Systems, Artificial Intelligence MethodsIn many process and manufacturing industries, early detection of faultshas great practical importance. Since it saves time and cost involved in therepairing of the equipment.Qualitative methods such as neural networks and fuzzy logic are populartools in model based fault detection and classification of nonlinear dynamicsystems. Since it is difficult to accurately model these kind of systems. Inthe first part of this work, neural network and adaptive neuro-fuzzy logicmethods are used in the modeling of a water-tank system to produce residualsfor fault classification. This study shows that neural networks have betterperformance but longer training time compared to the adaptive neuro-fuzzylogic. The second part of this research investigates the classification treeand Fisher Discriminant Analysis (FDA) approaches in fault classification ofnonlinear dynamic systems. Comparing the performance of these approachesindicates that FDA method results in longer computational time but lowertree size for high dimensional training data. The contributions of this thesisare modeling and fault diagnosis of lead-acid battery system using qualitativetechniques in combination with statistical methods such as classificationtree.