Yapay Sinir Ağları Kullanarak Çamaşır Makinalarında Gürültü Ve
Transkript
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