Amorf toroid dönüştürücüde bölgesel akı dağılımının uygulanan kuvvetle değişiminin incelenmesi

Abstract

Amorf toroid dönüştürücüye uygulanan kuvvetle birlikte bölgesel akı dağılımı incelenmiştir. Toroid dönüştürücüde manyetik gerilmesi sıfıra yakın olan Metglas 2705X ile manyetik gerilmesi yüksek olan Metglas 2605SA1 kullanılmıştır. 2605SA1 amorf maddesinin yüksek manyetik gerilmesine bağlı olarak dış kuvvete daha duyarlıdır. Karşılaştırma yapılırken amorf toroid dönüştürücüde 4 farklı bobin oluşturulmuştur. Birincisi dönüştürücüyü enerjilemek için, diğerleri ise gerilmeye ve kuvvete bağlı olarak çıkış gerilimindeki farkı algılayabilmek için değme noktasına göre 0°,45° ve 90° konumlarda yerleştirilmiştir. Bu şekilde manyetik gerilmenin dönüştürücü üzerinde farklı konumlardaki değerleri ölçülebilmiştir. Ölçümler 1, 5 ve 10 kHz frekans değerlerinde ve 50, 100 ve 150 mT manyetik akı yoğunluğu değerlerinde yapılmıştır. Çıkan bütün sonuçlar değerlendirilerek tahmin için bir yapay sinir ağı oluşturulmuştur. Bu yapay sinir ağında iyi bir tahmin etme özelliği sağlanmış ve %99,98 doğrulukla tahmin gerçekleşmiştir. Yapılan ölçümlerde elde edilen sonuçlar ile yapay sinir ağında elde edilen sonuçlar uyum içinde elde edilmiştir.

Localised flux distribution were investigated with applied force on amorphous toroidal transducer. Metglas 2605SA1 which has high magnetostriction and Metglas 2705X which has almost zero magnetostriction were used on toroidal transducer. The 2605SA1 amorphous ribbon is more sensitive to applied force due to its high magnetostriction. Amorphous toroid transducer consists of a primary coil to magnetise and 0°,45° and 90° three search coils located 0°,45° and 90° due to contact point to detect the induced voltage. Then magnetostriction was measured on different toroidal locations over the transducer. The transducer was magnetised with the frequency levels of 1, 5 and 10 kHz, in the flux density levels of 50, 100 and 150 mT. An artificial neuron network model was developed to estimate from the experimental results. A good prediction feature provided in this model and 99,98% accuracy prediction has been realized. The results obtained from artificial neural network and measurements are in good agreement.