GENETİK ALGORİTMA KULLANAN YAPAY BAĞIŞIK SİSTEM TABANLI ARIZA TEŞHİS MODELİ

Abstract

Bu çalışmada asenkron motor arızalarını tespit etmek için yapay bağışık sistem tabanlı arıza teşhis metodu önerilmiştir. Önerilen metot kırık rotor çubuğu arızlarını tespit etmek için negatif seçim algoritmasını kullanır. Arıza ile ilgili özellikler motor akımın bir fazının ilk fark filtrelemesi ve hilbert dönüşümü kullanılarak elde edilir. Bu özellik sinyallerinin faz uzayı nonlineer zaman serileri analizi yöntemi ile elde edilerek negatif seçimin giriş verisi oluşturulur. Hilbert tabanlı dönüşüm olarak adlandırılan yeni özellik sinyali faz uzayında kırık rotor çubuğu arızalarını ayırt etmek için kullanışlıdır. Orjinal negatif seçim algoritmasında detektörler rastgele üretilir. Fakat rasgele üretilen detektörler iki probleme sahiptir. Birincisi öz olmayan uzay kapsanmayabilir. İkincisi benzer detektörlerin üretimini engellemek için herhangi bir sınırlama yoktur. Genetik algoritma negatif seçimin detektörlerini optimize etmek ve üretmek için kullanılmıştır. Minimum detektör sayısı ile öz olmayan uzayın maksimum kapsanması sağlanmıştır. Önerilen yöntemin doğruluğu zaman adımlı birleştirilmiş sonlu elaman durum uzayı ile elde edilen simülasyon verileri kullanılarak doğrulanmıştır. In this study, artificial immune system based fault diagnosis method has been proposed to detect the induction motor faults. The proposed method uses negative selection algorithm to detect broken rotor bar faults. Fault related features are obtained using Hilbert transform and first difference filtering of one phase motor current.The phase space of these feature signals is obtained using a nonlinear time series analysis and they constitute the input data of the negative selection. The new feature signal called Hilbert based transform is quite useful to separate broken rotor bar faults in the phase space. In the original negative selection algorithm detectors are randomly generated. But randomly generated detectors have two problems. The first is that the non-self space may not be covered, completely. The second problem is that there is not any restriction to deny generation of similar detectors. The genetic algorithm is used to generate and optimize the detectors of the negative selection. The maximum coverage of non-self space with minimum detector numbers is ensured. The accuracy of method has been verified using simulation data that obtained by time-stepping coupled finite element state space method.