AZDIRMA TEZGÂHLARI İÇİN TEZGÂH İZLEME SİSTEM TASARIMI
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Sivas Cumhuriyet Üniversitesi, Fen Bilimleri Enstitüsü, ENERJİ BİLİMLERİ VE TEKNOLOJİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: RESUL YERLİKAYA
Danışman: Yunis Torun
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Azdırma tezgâhlarında kullanılan kesici uçlarda yanma, kırılma, körelme, salgı gibi birçok sorun meydana gelmektedir ve bunlar kesiciye hareketini veren motorlarda ciddi zorlanmalara neden olmaktadır. Kesici uca hareketini veren motor zorlanmasının en önemli nedeni kesici uçtaki hatalardır. Kestirimci bakım yöntemiyle gerekli önlemler alınarak hata meydana gelmeden tespit edilmesi, seri üretim yapan tezgâhlar açısından oldukça önemlidir. Kesme esnasında akım, gerilim, ses ve vibrasyon sinyal analizi, takım kırılmalarını, işlenen parçadaki boyutsal ve şekilsel kusurları önleyebilmektedir. Ayrıca işleme anındaki akım farklılıklarından oluşan takım deformasyonun incelenmesi, parça işleme sonucunda meydana gelecek boyutsal hatayı önceden görmemizi ve gerekli düzeltmeler yapıldığında hatanın önüne geçilmesini mümkün kılar. Bu tezde azdırma tezgâhına kesici uç olarak kırık, körelmiş, yanmış ve sağlam çakılar takılarak parça işlendi. Akım ve gerilim transdüserlerine çakıya hareketini veren asenkron motorun faz kablosu bağlanarak akım ve gerilim ölçüldü. Çakıya yakın titreşimin yoğun olduğu malafa üzerine vibrasyon transdüseri bağlanarak ve çakı mili ucuna enkoder bağlanarak sırası ile titreşim, hız ölçümü yapılmıştır. Buradan okunan analog ham veriler, ARM tabanlı mikrodenetleyiciye bağlı SD kartın içine kaydedilmektedir. Bilgisayar üzerinde oluşturulan EXE uzantılı uygulama aracılığıyla okunan ham veriler, SD karttan bilgisayara aktarılarak ham değerler elde edildi. Her bir örnek için aynı zamanda tezgâhın ve çakının ürettiği ses sinyalleri eş zamanlı olarak kaydedildi. Kırık, körelmiş, yanmış ve sağlam çakı durumlarında 4 örnek alınmış ve toplanan veriler neticesinde kesici takımın durumu yorumlanmıştır. Ses sinyallerinden, öznitelikler çıkartılmıştır. Çıkartılan öznitelikler Derin Öğrenme modelin eğitilmesinde kullanılmıştır. Ses analizi için model eğitildikten sonra doğrulama veri setinde test edilmiş ve %99,42±0,132 oranında başarım skoru elde edilmiştir.