Skip to content

Latest commit

 

History

History
110 lines (75 loc) · 5.11 KB

README.md

File metadata and controls

110 lines (75 loc) · 5.11 KB
Raw

Electric Motor Temperature

image

Bu proje, Elektrikli motor sıcaklıklarının farklı bileşenlerdeki etkisini analiz ederek verilerin görselleştirmesini ele almıştır.

Proje Özeti

13 sütundan oluşan 695275 veri incelenmiştir. Analiz edilen verisetinde NaN değer bulunmamaktadır. Öncesinde NaN değerler eklenip analiz edildi daha sonra veri ön işleme adımında tekrar NaN değerler silindi. Veriseti;

u_q : Voltaj q-bileşeni ölçümü dq-koordinatlarında (V cinsinden)

coolant : Soğutucu sıcaklığı (°C cinsinden)

stator_winding : Stator sargı sıcaklığı (°C cinsinden) termokupllarla ölçülmüştür

u_d : Voltaj d-bileşeni ölçümü dq-koordinatlarında

stator_tooth : Stator diş sıcaklığı (°C cinsinden) termokupllarla ölçülmüştür

motor_speed : Motor hızı (dev/dak cinsinden)

i_d : Mevcut d-bileşeni ölçümü dq-koordinatlarında

i_q : Mevcut q-bileşeni ölçümü dq-koordinatlarında

pm : Kalıcı mıknatıs sıcaklığı (°C cinsinden) termokupllarla ölçülmüştür ve bir termografi ünitesi aracılığıyla kablosuz olarak iletilmiştir.

stator_yoke : Stator boyunduruğu sıcaklığı (°C cinsinden) termokupllarla ölçülmüştür

ambient : Ortam

torque : Tork

profile_id : Id

gibi bilgileri içermektedir.

Çalışmada Uygulanan Adımlar

1. Veri İncelemesi ve Ön İşleme

  • Veri setinde eksik değer bulunmamaktadır.
  • Sıcaklık, tork, voltaj gibi farklı değişkenler arasındaki ilişkiler incelenmiştir.
  • Aykırı değerler tespit edilerek gerekli düzenlemeler yapılmıştır.
  • Değişkenler normalize edilmiştir.

2. Veri Analizi

  • Sıcaklık ölçümlerinin motor hızına ve torka etkisi analiz edilmiştir.
  • Voltaj ve akım bileşenlerinin (u_d, u_q, i_d, i_q) motor performansı üzerindeki etkileri değerlendirilmiştir.
  • Zaman serisi analizleri ile motor sıcaklık bileşenleri arasındaki ilişkiler görselleştirilmiştir.

3. Görselleştirme

  • Korelasyon Matrisi
  • Seaborn
  • Matplotlib

Elde Edilen Bulgular

1. Motor Performansı

  • Kalıcı mıknatıs sıcaklığı (pm), motor hızından ve stator sıcaklıklarından büyük ölçüde etkilenmektedir.
  • Voltaj ve akım bileşenlerinin tork üzerinde güçlü bir etkisi vardır.
  • Motor performansı üzerinde en önemli değişkenler sırasıyla tork, stator sıcaklıkları ve motor hızı olarak belirlenmiştir.

2. Isı Yönetimi

  • Stator diş sıcaklığı ve soğutucu sıcaklık arasındaki ilişki, motorun termal stabilitesini korumak için kritik bir rol oynamaktadır.
  • Yüksek hızda çalışan motorların, soğutucu sıcaklığının belirli bir seviyede tutulması ile performans kaybı minimize edilebilir.

3. Zaman Serisi Analizi

  • Sıcaklık artışları motor hızındaki ani değişimlerle ilişkilidir.
  • Motor sıcaklıklarının zaman içindeki davranışlarını tahmin etmek, aşırı ısınmayı önlemek için erken uyarı sistemlerinin geliştirilmesini mümkün kılar.

Problemin İşlevsel Kullanımı ve Çözüm Önerisi

Problem

Motor sıcaklık bileşenleri, elektrik motorlarının performansı ve ömrü üzerinde doğrudan etkilidir. Ani sıcaklık artışları motor arızalarına yol açabilir. Bu veri seti, elektrikli motorların sıcaklıklarını izleyerek performansı optimize etmeye yönelik bir tahmin modeli oluşturmak için kullanılabilir.

Kullanım Alanı

  • Elektrikli Araç Üreticileri: Elektrikli araç motorlarının sıcaklık yönetimini optimize ederek enerji verimliliğini artırabilir ve aşırı ısınmayı önleyebilir.
  • Sanayi Motorları: Endüstriyel motorlarda arıza öncesi tahmin yaparak bakım maliyetlerini azaltabilir.
  • IoT Uygulamaları: Sensörlerle entegre bir sistem geliştirerek motor sıcaklıklarını gerçek zamanlı izleme ve kontrol mekanizmaları kurulabilir.

Önerilen Model ve Algoritmalar

  • XGBoost: Özellikle büyük veri setlerinde ve karmaşık ilişkilere sahip değişkenlerde yüksek performans gösterir. Bu model, sıcaklık değişimlerini tahmin etmek için uygundur.
  • LSTM (Uzun Kısa Süreli Bellek Ağları): Motor sıcaklıklarının zaman içindeki davranışlarını modellemek ve gelecekteki sıcaklık değerlerini tahmin etmek için kullanılabilir.
  • Random Forest Regressor: Özellikle değişkenler arasındaki doğrusal olmayan ilişkilerin analizi için etkili bir yöntemdir.

Öneriler

  • Termal Yönetim Sistemi: Motor sıcaklıklarını sürekli izleyen ve yüksek sıcaklık durumlarında uyarı veren bir sistem geliştirilmelidir.
  • Model Entegrasyonu: Seçilen ML modelinin IoT sensör sistemlerine entegre edilmesi, sıcaklık tahmini doğruluğunu artıracaktır.
  • Enerji Verimliliği: Motorun çalıştırılma parametreleri optimize edilerek enerji verimliliği sağlanabilir.

#Kaggle Bağlantısı:

https://www.kaggle.com/code/muhsindolu/electric-motor-temperature