Yapay Sinir Ağları Kullanarak Çamaşır Makinalarında Gürültü Ve

Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
Yapay Sinir Ağları Kullanarak Çamaşır Makinalarında Gürültü Ve
Performans Analizi
M. Kalkat*
Niğde Üniversitesi
Niğde
Özet—Etraftaki kestirilemeyen seslerden dolayı insan
sağlığı problemleri ortaya çıkabilmektedir. Bu çalışma,
motor rulmanlarında hata analizi ve titreşimi için kayış
tahrikli ve direk tahrikli çamaşır makinelerinin yapısının
Yapay Sinir Ağlarının kestirimci analize dayalı
incelemesini yapmaktadır. Önerilen Yapay Sinir Ağları
algoritmaları
kullanılarak
sekiz
farklı
durum
incelenmiştir. Sistemdeki ses seviyesinin ölçümünde
mikrofon ve bilgisayar (IDA, Intelligent Data
Acquisition) kullanılmıştır. Sistemin farklı çalışma
koşullarındaki durumlar için ses seviyelerini ölçmede üç
çeşit Yapay Sinir Ağları yapısı kullanılmıştır. Sonuç
olarak çabuk yayılan algoritmalı Yapay Sinir Ağları
yapısı
çamaşır
makinesi
sisteminin
sesini
değerlendirilmesi ve kestirilmesi için iyi bir performans
göstermiştir.
damperleri, lastik bacaklar, lastik contalar, bilezikler vb.
birçok lineer olmayan parçadan oluşmaktadır. Çamaşır
makinesinin dinamiğinin analizi ve modellenmesi
kapsamlı bir kıyaslamadır. Bu araştırma, enerji
verimliliği, yıkama ve dönme performansı, su tüketimi ve
ses seviyesi gibi başlıklara doğrudan odaklanmıştır.
Çamaşır makinesinin kararlılığı hem geleneksel hem de
tazeliğini koruyan bir konudur. Çamaşır makinesi
dinamiği, kontrolü ve optimizasyonu literatürdeki diğer
çalışmalar kadar yapılan birçok çalışma olmasına rağmen
yaygın
olarak
açıklanmamıştır.
Bazı
çamaşır
makinelerinin süspansiyon modellerinin birkaçında
kavramsal seviyeler karşılaştırılmış ve modellemelere
odaklanılmıştır. Motor rulmanlarında hata analizi ve
titreşimi için kayış tahrikli ve direk tahrikli çamaşır
makinelerinin yapısının Yapay Sinir Ağları ile incelemesi
yapılmıştır [1]. Bu çalışmanın konusu hareketli çamaşır
makinesidir ve statik konumlarda uygulama yapmak için
dizayn kriterleri sağlanarak iyileştirme yapmaktır [2].
Yatay ve dikey eksenli çamaşır makinelerinin birkaç
konuda karşılaştırılması vardır [3]. Yukarı-aşağı ve
çapraz yerleşik sistemler bir eksende modellenmiştir ve
karşılaştırılmıştır. Ayrıca karşıt-balanslı otomatik kısımda
işlenmiştir ve konu ile alakalı kısımlar tartışılmıştır.
Denge unsurlu yatay eksenli taşınabilir çamaşır
makinesinin sadeleşmiş 3D dinamik model ile çalışılması
yapılmıştır [4]. Dönme döngüsü boyunca ileri geri
harekette boşluk tanımlaması için farklı kriterler
incelenmiştir ve geniş bir şekilde sunulmuştur [2].
Tambur tipli çamaşır makinelerinin dinamik analizi
jiroskopik etkiler göz önüne alınarak basitleştirilmiş
dinamik model kullanılarak uyarlama yapılmıştır.
Yapılan bu matematiksel model 12 serbestlik derecesine,
esnek kazan modeline ve güvenliksiz yaklaşımlı
rulmanlara sahiptir [5]. Dinamik analiz Matlab
kullanılarak gerçekleştirilmiştir. Nümerik doğrulama için
dengesizlik sonuçları eklenmiştir ve deneysel titreşim
testi ile karşılaştırılmıştır. Çerçeveleme göz önüne
alınmamıştır. Geçmiş yıllardan beri hesaplamalı güç
gelişimi model araçlarının kullanımına olanak sağlamıştır
ki burada Dymola/Modelica yazılımı model kontrolüne
odaklamada kullanılmıştır [6]. Ticari çoklu cisim yazılımı
daha kullanışlı hale gelmiştir ve çevresel tiplerde farklı
modeller kurularak gelişim sağlanmıştır [7]. Örneğin
sabit cisim modelin kurulmuştur [8] ve MSC’de tamburtekne sisteminin sabit cisim modeli uygulanmıştır [9].
Anahtar kelimeler: doğrudan tahrik, kayış-kasnak tahrik, sinir ağı
Abstract—Due to unpredictable noises, there are
plenty of health problems on human. This paper is
focused on neural networks (NNs) based prediction
analyzer for two types drive schemes of washing
machines that are direct drive and belt-pulley drive, for
vibration and fault diagnosis of motors bearings.
Furthermore, eight different cases including, during
washing with direct drive and belt-pulley, squeezing
during washing with direct drive and belt-pulley for
noises and acceleration of the washing machines systems
are investigated using the proposed algorithm of NNs. An
Intelligent Data Acquisition (IDA), a microphone and PC
are used to measure the system noise. For the case of
different working conditions of the system, three types of
NN are used to investigate the noise levels. The results
show that NN with quick propagation algorithm gives
superior performance for predicting and evaluating the
noise of washing machine systems.
Keywords: direct drive, belt-pulley drive, neural network1
I. Giriş
Bir çamaşır makinesi, su seviyesi, yükü, sıcaklığı ve
kazan harekeleri gibi sensör bilgilerine dayanan entegre
kontrol sistemleri ile kontrol edilen motorlar, ısıtıcılar,
pompalar ve valflerin olduğu kompleks mekatronik bir
yapıdır. Bir çamaşır makinesinin yapısı, sürtünme
*
mkalkat@nigde.edu.tr
1
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
Software/Adams
gövdenin esnek parçaları ile
tamamlanmıştır ve ayakların kuvvetleri için iyi kestirim
sonuçları kullanılmıştır. Titreşimi azaltmak için iyi bir
gelişme karşıt dengelemedir. Dengesiz kuvvetleri karşı
dengeleme teknolojisi ile dengelemek için bazı stratejiler
öngörülebilmektedir. Bunlardan bazıları harici algılama
gerektiren aktif çözümlerdir ve bu çözümler katı kütleleri
önleyen pozisyonu kontrol eder. Bu gibi cihazların
çözümleri bir düzlemde [4] ya da iki düzlemde
yürütülebilir [10]. Diğer çözümler eksantrikliği kontrol
etmek için farklı mekanizmalar kullanılarak tambura
yakın dönme eksenini çeviren dengesiz statiklerin dahil
olduğu durumları kaldırmasını içerir [11].
DD
DD Sistemi
Şekil 2a. Çamaşır makinesi için DD tahrik şeklinin görünümü
C. Tambur tipli çamaşır makinesi için dinamik
modelleme
Genellikle sabit vücut hareketi ve elastik deformasyon
ile birlikte kazan ve tamburu kapsayan kayış-kasnak
mekanizması ile hareket yapan makinelerdir. Bu
çalışmada, serbestliği 12 dereceli bir model olan tambur
tipli çamaşır makinesi kurulmuştur ve hareket denklemi
Newtonun 2. Yasasından türetilmiştir. Kazan ve tambur
serbestliği 4 derece olan rijit bir cisim olarak dönel
hareketler ve y-z eksenlerindeki öteleme hareketi göz
önüne alınarak modellenmiştir. Dönel hareket boyunca
kazan ve tamburun elastik deformasyonunu göz önüne
almak için 2 serbestlik derecesi kazanın ve tamburun
arkasına sırası ile eklenmiştir. Tambur tipli çamaşır
makinesinin birincil esneklik modu elastik deformasyon
üzerinde baskınlığa sahiptir. Tamburun ve kazanın elastik
deformasyonu, model analizi tarafından tanımlanan her
bir parçanın esneklik modundaki model parametrelerinin
hesaplaması boyunca tamburun ve kazanın arka kısımları
için sertlik katsayısı tanımlaması göz önüne alınarak
yapılmıştır. Buna ek olarak, rulman sertliği, dönel
hareketlerden dolayı jiroskopik etki ortaya konularak
tanımlanmıştır.
İlk olarak, 2 boyutlu Şekil 3’deki gibi yatay yönde
tambur montajının öteleme hareketini göz önünde
bulundurmak için tambur xy koordinat düzleminde ve
kazan XY koordinat düzleminde ifade edilmiştir. Açısal
hareketi tanımlamak için her bir ağdaki φ φ’ tambur için
kullanılmıştır ve kazan içinde ΦΦ’ ifadeleri
kullanılmıştır. Daha sonra aşağıdaki gibi hareket
denklemleri elde edilmiştir;
II. Tambur Tipli Çamaşır Makinesinin Tanımlanması
ve Dinamik Modeli
A. Tambur tipli çamaşır makinesinin tanımı
Genellikle, Şekil 1.’de gösterildiği gibi tambur tipli
çamaşır makinesi, kabin, tambur, yay, karşı ağırlık,
stator, rotor ve damperden oluşur. Kabinin içinde, yıkama
için suyu depolamada kullanılan kazan, kazan ile direk
bağlantılı tamburun dönmesi için gücü sağlayan rotor,
çamaşırların sebep olduğu titreşimin eksantrisitesinden
dolayı kütle dengesizliği ve tambur-kazan titreşimini yaydamper yardımı ile kabine ileten yapılar bulunmaktadır.
Eğer sürücü sistemin atalet momenti titreşimini
engellemek için arttırılır ise çamaşır makinesi ağır
olacaktır ve rulmanlara daha çok yük binecektir.
B. Direk sürücü motor (DD)
Direk sürücü motorları, yüksek tork motorlarının
eksen kontrolünün performansını geliştirmek için servo
mekanizmalarının
merkezinde
tümleşik
olarak
tasarlanmışlardır (Şekil 2a ve 2b). Bu yüzden, çerçevesiz
DD tork motorlarının kullanımı dinamik performansların
gelişimi hususunda uygun çözümler sunmaktadır ve
hacimler ve ağırlıklardaki istenilen kısıtlamalar için
uygulamada uygun olmaktadır.
(mdc+mdc+mdc)ÿ= -Kybf [(y+LbfØ) – (Y+Lbfф)]
(1)
-Kybr [(y+LbfØ) – (Y+Lbrф)]
-[mdr (Lbsi+Lcgdr) + mcl (Lbsi+Lcgcl)
+ mub (Lbsi+Lcgub) + msr Lcgsr)]ф
+ fub cosΩt
Yay
Stator
Kabin
Rotor
Tambur
Karşı
Ağırlık
Tambur
Burada, Lbf, Ldr sırası ile rulmanın merkezi A’dan ön
rulmana ve arka rulmana olan mesafeleri ifade eder.
Lbf=LbrLbsi tamburun arka kısmından olan mesafe iken
Lcgdr, Lcgcl, Lcgub, Lcgsr ‘ler ise kütlesel çekim
merkezlerinden olan mesafeler ve mdr, mcl, mub, msr sırası
ile tamburun arkasına olan mesafelerdir.
Tekne
Damper
Şekil 1. 3D modelleme ve ön yüklemeli tambur tipli çamaşır
makinesinin ana parçaları
2
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
Ağı basit süreç birimlerinden (dinamik elementler hariç)
oluşur. Bir ileri besleme ağı bazı giriş modellerine çıkış
model cevaplarını hesaplar. Verilen giriş modeline
eğitilen çıkış cevabı gönderildiğinde herhangi önceki ağ
aktivitelerine bakılmaksızın aynı olacaktır. Bu da ileri
besleme Yapay Sinir Ağlarının herhangi bir reel
dinamiğini göstermez ve ağdaki gibi istikrar problemi
yoktur.
III. Önerilen Yapay Sinir Ağları
Yapay Sinir Ağları bir bilgi işleme paradigmasıdır.
Yapay Sinir Ağları kayda değer yetenekleri ile birlikte
basit verilerden ya da karmaşık verilerden anlamlar
türetmek için kullanılabilirler. Yapay Sinir Ağları nöron
modeller tarafından yapılır. Yapay Sinir Ağları yapıları
en geniş haliyle, devirli ağlar ve ileri beslemeli ağlar
olarak iki gruba ayrılır; Bir ağ, bağlantı seviye değerleri
ve bağlantı yöntemi çeşitliliği tarafından tanımlanarak
özelleştirilebilirler. Karmaşık fonksiyonlar bağlantı
birimleriyle birlikte uygun seviyelerle uygulanabilirler.
Genellikle, süreç birimleri aşağıdaki gibi yanıtlar verirler
(Şekil 4.b).
Yay
Tambur koordinat sistemi
(2)
Tambur
Damper
Burada ui çıkış tabakalarından saklı tabaka çıkış
sinyallerinden çıkış tabakasına, f(.) ise lojistik fonksiyon
yada sigmoid olarak basit bir nonlineer fonksiyondur.
Tekne
Tekne koordinat sistemi
Şekil 4. Tambur tipli çamaşır makinesinin ana elemanları ve ön
görünüşü
A. Geri-yayılma öğrenme algoritması
Geri-yayılma en yaygın kullanılan FNNs için öğrenme
algoritmasıdır. Seviyeler aşağıdaki şekilde uyarlanır;
(3)
Kayış Kasnak Sistemi
DD Sistemi
Şekil 2b. Kayış kasnak mekanizmalı çamaşır makinesi ile DD çamaşır
makinesinin farklılıkların gösterimi
burada n öğrenme oranı ve α momentum terimidir.
B. Derlenebilir yayılma öğrenme algoritması
Bu öğrenme algoritması adaptif öğrenme metodudur.
Burada seviye updateleri büyüklüklerine göre değil yerel
değişim işaretlerine dayanır. Her seviye, wij, kendi adım
boyuna sahiptir yada update değerleri Δwij zaman ile
çeşitlilik gösterir;
Hücre Gövdesi
Dendritler
Akson
(4)
Burada 0<n<1<n+ ‘dir. Seviyeler aşağıdaki ifadeye göre
update edilir;
Şekil 3. (a) Beyinin biyolojik sinir sistemi ve (b) Yapay
nöron modelinin gösterimi
(5)
IV. İleri Beslemeli Yapay Sinir Ağları
İleri besleme Yapay Sinir Ağları yapay nöronları ileri
besleme yolunda ayarlanır. Bir ileri besleme Yapay Sinir
3
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
C. Hızlı yayılma öğrenme algoritması
Diğer bir öğrenme algoritması QP olan hızlı öğrenme
algoritmasıdır. Seviye değişim kuralı;
çamaşır makinesinin ses ve ivmelenmesini ölçmede
kullanılan test aparatlarıdır. İvme sensörünün kalibrasyon
karakteristiğinin referans hassasiyeti 159.2Hz, 20ms-2
RMS, 4mA akım kaynağı ve 22.6 ºC, 1.052mV/ms-2.
(6)
Burada
eşitliği yazılır.
D. Delta-bar-delta (DBD) öğrenme algoritması
Adaptif öğrenme oranı metodudur. Burada her seviye
kendi öğrenme oranına sahiptir. Öğrenme oranları, adım
boyu lineer arttıktan sonra başarılı iterasyonlardaki
işaretleri gradyen işaretlerine dayanan artışları
değiştirmez.
Eğer gradyenler işaretleri değiştirirse, öğrenme oranı
exponansiyel olarak düşer. Bazı durumlarda bu metot
adaptif olmayan metotlardan daha hızlı öğrenme gösterir.
Öğrenme oranı n(t) aşağıdaki gibidir;
İvme Ölçer ve
Ses Sensörleri
Nöral Ağ
Kestirimcisi
DD çamaşır
makinesinden
ölçülen değerler
(7)
şeklindedir. Burada t zamanda
ve
IDA
Yazılım ve
Görüntü
Şekil 5. Yapay Sinir Ağları tahminleyici uygulaması ve deneysel
kurulumun şematik görünümü.
ise
Frekans oranı: Genlik (F10%) 1Hz’den 10kHz’e lowfrequency roll-off : 20dB/decade. Titanyum durum
materyali, hermatik kontsrüksiyon, 8.7g sealingmounting 3.8mm dernlikte. Deneysel kurulumda IDA,
mikrofon ve bilgisayar vardır. Farklı noktalardan sesi
ölçmek için (Brüel Kjaer 3560L tip Pulse Lite 4188 tip
mikrofon ve 2671 tip pre-amplifier) kullanılmıştır.
ifadesinin geçmiş
değerinin eksponansiyel ortalamasıdır.
V. Deneysel Sistem
Önerilen Yapay Sinir Ağları uygulamasının etkisini
göstermek ve doğrulamak için Şekil 2’de görüldüğü gibi
iki çeşit çamaşır makinesi örneği deneysel ve simülasyon
yapılarak incelenmiştir. Şekil 5, sekiz durum için iki
TABLO 1: Çamaşır makinelerinin dinamik parametreleri, önerilen Yapay Sinir Ağları yapısının yapısal parametreleri ve
RMSs
4
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
İvmel
enme
[mm/s
n2]
SES
[dB]
Frekans [Hz]
Frekans [Hz]
Deneysel
Önerilen NN
Deneysel
Önerilen NN
Şekil 6: Durum 1 için çamaşır makinesinin ivme ve frekans
varyasyonları
Şekil 9: Durum 4 için çamaşır makinesinin ses ve frekans varyasyonları
İvmele
nme
[mm/sn
2]
SES
[dB]
Frekans [Hz]
Deneysel
Önerilen NN
Frekans [Hz]
Deneysel
Şekil 7: Durum 2 için çamaşır makinesinin ses ve frekans varyasyonları
NN
Şekil 10. Durum 5 için çamaşır makinesinin ivme ve frekans
varyasyonları
Çamaşır makinesinin motoru tarafından hidrolik
dengeleyici için istikrarlı durumdaki dönüşü boyunca
dönüyorken eksantriklik artıyorken ölçülen kuvvet
niteliği dönel eksendeki bar üzerindeki gerinim önemli
rol
oynamaktadır.
Makinelerin
bazı
dinamik
parametreleri, öğrenme algoritmaları için parametreler
Tablo 1’de verilmiştir. Tablo 1 iki çamaşır makinesinin
dinamik parametrelerini, önerilen Yapay Sinir Ağlarının
yapısal
parametrelerini
ve
RMS
değerlerini
listelemektedir.
SES
[dB]
Frekans [Hz]
Deneysel
NN
Şekil 11. Durum 6 için çamaşır makinesinin ses ve frekans
varyasyonları
Frekans [Hz]
Deneysel
İvmel
enme
[mm/
sn2]
Önerilen NN
Şekil 8. Durum 3 için çamaşır makinesinin ivme ve frekans
varyasyonları
Frekans [Hz]
Deneysel
NN
Şekil 12. Durum 7 için çamaşır makinesinin ivme ve frekans
varyasyonları
Hem deneysel hem de simülasyona dayalı yaklaşım
için 8 durum söz konusudur. Bu durumlar;
Durum1: Kayış-Kasnak sürücüsü, yıkama boyunca, iptal
analizi
5
Uluslararası Katılımlı 17. Makina Teorisi Sempozyumu, İzmir, 14-17 Haziran 2015
Durum2: Kayış-Kasnak sürücüsü, yıkama boyunca, ses
analizi
Durum3: Kayış-Kasnak sürücüsü, dönme boyunca, iptal
analizi
Durum4: Kayış-Kasnak sürücüsü, dönme boyunca, ses
analizi
Durum5: Direk sürücüsü, yıkama boyunca, iptal analizi
Durum6: Direk sürücüsü, yıkama boyunca, ses analizi
Durum7: Direk sürücüsü, dönme boyunca, iptal analizi
Durum8: Direk sürücüsü, dönme boyunca, ses analizi
VI. Sonuçlar
Bu çalışmanın amacı çoklu yapılı sisteme sahip
yıkama ve dönme ile alakalı performans için yapılmış iki
ticari ön yükleme çamaşır makinesini gözlemlemektir.
Yapılan model, önerilen Yapay Sinir Ağları öngörü
modelinin fonksiyonel bileşenlerinin deneysel geçerliliği
ile deneysel-teorik metodoloji kullanılarak yapılmıştır.
Çoklu kip’te dinamik model tambur tipli çamaşır
makinesi yapılmıştır ve fiziksel deneyler ile bilgisayar
simülasyonundan ivmelenmesinden çıkan sonuçlar
karşılaştırılmıştır. 3 serbestlik dereceli rulman modeli
içeren Çoklu-Kip dinamik model, kazan-tambur
bağlantısı için önerilmiştir. Tamburdaki ayarsız kütle
olmaksızın, değişim yapılmış rulman modeli çamaşır
makinesinin gerçek hareketine iyi derecede benzerlik
göstermiştir. Rulman modelinin gelişimi için kullanılan
iki itki kuvveti etkili olmuştur ve dengesiz kütle durumu
için geçerli sonuç göstermiştir. Dengesiz kütle ile gerçek
ve bilgisayar simülasyonları arasında halen bazı
farklılıklar bulunmaktadır.
Şekil 6, her iki uygulamanın Durum1 için sonuçlarını
göstermektedir. Şekilde görüldüğü üzere Yapay Sinir
Ağları kestirimci grafik önerilen deneysel analizin
sonuçlarının tam matematiksel gösterimidir. Şekil 7’de
Durum2 için 6kg çamaşır yüklü yıkama boyunca çamaşır
makinesi sesinin analizi için kullanılmaktadır. Şekil 8
3.durumdaki iptal analizinin sonuçlarını göstermektedir.
Düşük devir sayılarında titreşim meydana gelmektedir
çünkü makine düşük devir sayılarında düşük olan
rezonans dönüşüne yaklaşmaktadır. Yüksek devir
sayılarında, dengesiz kütle otomatik dengeleyici
tarafından dengelense bile dönmeden merkez kaç
kuvvetinden dolayı titreşim oluşmaktadır. Şekil 9 hem
deneysel hem de Yapay Sinir Ağları uygulamalarının
frekans çeşitliliğindeki sesi karşılaştırmaktadır. Bu
karşılaştırma, Durum4 için tanımlanan optimal çözümün
yeteri kadar tutarlı sonucu olan önerilen Yapay Sinir
Ağları kestirimci sonuçlarını göstermektedir.
Kaynakça
[1] Kalkat M.,Experimentally vibration and noise analysis of two types
of washing machines with a proposed neural network
predictor,Measurement 47, 184-192, 2014.
[2] Conrad D-C., Soedel W., On the problem of oscillatory walk of
automatic washing machines, J Sound Vib. 188 (3), 1995 203-290,
1995.
[3] Conrad D-C., The Fundamentals of automatic washing machine
design based upon dynamic constraints, Dissertation, Purdue
University, ISBN 9780591345728, 1994.
[4] Papadopulos E., I. Papadimitriou, Modelling, design, and control of
a portable washing machine during the spinning cycle. In:
Proceedings of the 2001 IEEE/ASME International Conferance on
Advanced Intelligent Mechatronics Systems (AIM 2001), 899-904,
2001.
[5] Lim H-T., Jeong W-B., Kim K-J., Dynamic modelling and analysis
of drum type washing machine , Int. J. Precis. Eng. Manuf. 11 (3),
407-417, 2010.
[6] Donia F., Ferretti G., Schiavo F., Modeling and
simulation of a washing machine, In: Proceedings of the 50th
International Anipla Congress, Roma, 14-15, Kasım, 2006.
[7] Yoo W-S., Kim K-N., Sohn J-H., Developments of multibody
system Dynamics computer simulations and experiments,
Multibody Syst. Dyn., 18 (1), Şubat, 2008.
[8] Agnani A., Cannella F., Martarelli M., Merloni G., Tomasini E-P.,
Dynamic characterization of a washing machine: numerical
multibody analysis and experimental validation. In: IMAC-XXVI
Conference and Exposition on Structural Dynamics, Orlando,
Florida, USA, 4–7 Şubat, 2008.
[9] Koizumi T., Tsujiuchi N., Matsumoto S., Noise prediction of a
washingmachine considering panel vibration. In: IMAC-XXVI
Conference and Exposition on Structural Dynamics, Orlando,
Florida, USA, 4–7 Şubat, 2008.
[10] Hällsås M., Design of active balancing systems to offset the
imbalance
in
washing
machines,
Master’s
Thesis no. 2007:21, ISSN:1652–8557, Chalmers University of
Technology, 2007.
[11] Ermund F., Ermund M., Design and modeling of an active
balancing device for washing machines, Master’s Thesis no.
2006:76, ISSN:1652–8557, Chalmers University of Technology,
2006.
Frekans [Hz]
Deneysel
NN
Şekil 13: Durum 8 için çamaşır makinesinin ses ve frekans
varyasyonları
DD makinelerinin ivmelenmesi Durum5 ile 9kg yüklü
yıkama boyunca test edilmiştir. Grafikten de görüldüğü
üzere Yapay Sinir Ağları kestirimci uygulaması
Şekil10’da deneysel aparatların deneysel sonuçlarını tam
olarak takip etmiştir. Şekil11 Durum6’nın sonuçlarını
göstermektedir. DD makinesinin ses varyasyonlarının
10dB ve 90dB aralığında 1400 rpm hız ve 9kg çamaşır
sıkma boyunca çamaşır makinesinin ivmelenme
sonuçlarını özetlenmektedir. Bu yüzden, DD aktüasyon
esnasında aniden ivmeler değişmiştir (Şekil12). Şekil13,
Durum8 için frekans ve ses varyasyonlarının sonuçlarını
göstermektedir. Sesin çeşitliliği, Durum6’daki yıkama
koşullarında tarif edildiği gibi aynı davranışı
göstermektedir.
6