| dc.description.abstract | Bu çalışmada, titreşim analizi için kullanılan ivmeölçerli sinyallerin ürettiği durağan olmayan sinyallerin tanımlanması ve kestirilmesi amaçlanmıştır. Öncelikle ataletsel ölçüm birimi üzerindeki ivmeölçerden her üç eksende (x, y, z) ivmeölçer değerleri okunarak deneysel veri kümesi oluşturulmuştur. Ataletsel ölçüm birimi aracılığıyla elde edilen bu deneysel verinin çeşitli hatalar içerdiği gözlenmiştir. Bu hatalar deterministik (sistematik) ve olasılıksal (rasgele) olarak iki ayrı grupta incelenmiştir.
Bu araştırmada zaman tanım bölgesinde çalışan yöntemler tercih edilmiştir. Bunun nedeni frekans tanım bölgesine geçerken kullanılan dönüşüm tekniklerinin içerdiği yöntemsel hatalardan (Örneğin Fourier dönüşümünün sınır değerler ve yayılma-smearing problemleri) kaçınmaktır. Bu yöntemsel hatalar her dönüşüm ve ters-dönüşüm operasyonunda katlanarak artmıştır. Öncelikle Kalman süzgeci, iki farklı model için incelenerek deneysel verilerden hız ve konum bilgisi kestirilmiştir.
Ayrıca yakınsama özellikleri, Kalman kazancının ve durum hata ortak değişintisinin normlarının belirli bir değere yakınsadığı, dolayısı ile kestirim hatasının minimize edildiği kanıtlanmıştır. Allan varyans yöntemi kullanılarak zamanla değişen varyans hesaplanarak, olasılıksal hata karakterizasyonu yapılmıştır.
This study aimed to identify non-stationary signals produced by accelerometer used for vibration analysis and prediction. First, the experimental data set was generated by reading the accelerometer values of all three axes (x, y, z) from the accelerometer on the inertial measurement unit. This experimental data obtained through the inertial measurement unit contains various errors. These errors can be studied in two separate groups as deterministic (systematic) and stochastic (random). In this study, the methods are operated in the time domain, are preferred. The reason for this is to avoid methodological errors (such that Fourier transform's boundary value and smearing problems) that are caused by the conversion techniques used in transformation to the frequency domain. These errors increase in each conversion and in the reverse-conversion operation. Firstly, Kalman filter is examined for two different models and speed and position information are estimated from experimental data. In the mean time, by examining convergence properties of the filter, norms of Kalman gain and state error covariance matrix are converged to certain value, that proves the minimization of the estimation error. Characterization of stochastic errors was performed by calculating the time varying variance by Alllan variance method. | en_US |
