Bulanık çıkarım sistemi ve yapay sinir ağları kullanımıyla mekanik buhar sıkıştırmalı soğutma çevriminin sistem arızalarının ve algılayıcı hatalarının bulunma metotları

Abstract

Bu çalışmanın amacı, bulanık çıkarım sistemi (FIS) ve yapay sinir ağları (ANN) kullanarak bir buhar sıkıştırmalı soğutma sistemindeki arızaların teşhisinin nasıl yapıldığını göstermektir. Algılayıcı arızalarının tespiti için ayrı bir FIS geliştirilmiştir. Soğutma sistemindeki arızaları teşhis etmek için sekiz farklı arıza durumu oluşturabilen laboratuvar eğitim ünitesi kullanılmıştır. Bu çalışmada, basınç-entalpi (p-h) diyagramında soğutma çevrimini gözlemlenmesiyle sekiz arızalı durum başarıyla tahmin edilmiştir. Ek olarak, deneysel olarak elde edilen algılayıcı verilerini kullanarak bir normal durum ve sekiz arızalı durum FIS’ne uygulanmış ve Levenberg Marquart (LM), Scaled Conjugate Gradient (SCG) ve Resilient Backpropagation (RB) tipi FIS’ne sekiz arızalı durumu eğitmek ve test etmek için kullanılmıştır. LM tipi ANN minimum tahmin hatasını vermiştir. Test edilen sistemlerin performansı arıza teşhisi için önerilen FIS ve ANN temel soğutma sisteminde sekiz arızayı teşhis etme yeteneğini kanıtlamıştır. Ayrıca, hata tahmini için önerilen FIS bir algılayıcı hatasını tespit etme yeteneğine sahiptir. Teşhis amaçlı kullanılan önerilen FIS ve ANN problemleri etkili bir şekilde tespit etmiştir.The aim of this study is to show how to diagnose faults in a vapor compression refrigeration system by using a fuzzy inference system (FIS) and an artificial neural network (ANN). A separate FIS was developed for detection of sensor errors. For this purpose, a laboratory training unit with eight artificial faults was developed to diagnose faults in the refrigeration system. In this study, it is confirmed that eight faulty conditions were estimated successfully by observing variables of the thermodynamic properties and the refrigeration cycle on the p-h diagram. Moreover, one normal condition and eight fault scenarios were implemented to the FIS and a Levenberg Marquart (LM), a Scaled Conjugate Gradient (SCG), and a Resilient Backpropagation (RB) types ANNs were used for training and testing eight faulty conditions by using the experimentally obtained sensor data. The LM type ANNs provided the minimum estimation errors. Performance of the tested systems confirmed that the proposed fault diagnostic FIS and the ANN had an ability to diagnose eight faults in the basic refrigeration system. Furthermore the proposed error prognostic FIS had also ability to detect error of one sensor. The proposed FIS and ANN based diagnostic systems effectively detected the problems.