Exportação concluída — 

Previsão e detecção de falhas em capacitores eletrolíticos

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Mesquita, Acélio Luna
Orientador(a): Pinto, Vandilberto Pereira
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Capacitor
Redes neurais artificiais
Regressão por processo gaussiano
Prognóstico e monitoramento da Saúde
Vida útil remanescente
Link de acesso: http://www.repositorio.ufc.br/handle/riufc/57748
Resumo: Capacitors are electronic components that vary widely in characteristics over their useful life. After being subjected to several charging and discharging cycles, the capacitors show a loss in their capacitance and with that they start operating outside nominal characteristics. Prognosis and Health Monitoring Techniques (PHM) can be used to monitor the evolution of capacitor degradation and estimate their remaining useful life (RUL). The present work aims to monitor the degradation and predict the remaining useful life of capacitors through the use of artificial neural networks and Gaussian process regression (GPR) using the NASA repository database. Different network architectures are evaluated to estimate the remaining useful life: MLP (Multilayer Perceptron), RBF (Radial Basis Function) and ELM (Extreme Learning Machine). The coefficient of determination (R2) and the mean square error (MSE) are used as performance indicators to compare GPR and the different network architectures. The accuracy of the RUL estimates are compared in terms of the relative accuracy (RA) and the α - λ performance, which are indicators proposed in the literature for PHM algorithms.
id UFC-7_f3de72e1e71b301625f41ccec65ddbd1
oai_identifier_str oai:repositorio.ufc.br:riufc/57748
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Mesquita, Acélio LunaPinto, Vandilberto Pereira2021-04-15T13:09:53Z2021-04-15T13:09:53Z2021-04-08MESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.http://www.repositorio.ufc.br/handle/riufc/57748Capacitors are electronic components that vary widely in characteristics over their useful life. After being subjected to several charging and discharging cycles, the capacitors show a loss in their capacitance and with that they start operating outside nominal characteristics. Prognosis and Health Monitoring Techniques (PHM) can be used to monitor the evolution of capacitor degradation and estimate their remaining useful life (RUL). The present work aims to monitor the degradation and predict the remaining useful life of capacitors through the use of artificial neural networks and Gaussian process regression (GPR) using the NASA repository database. Different network architectures are evaluated to estimate the remaining useful life: MLP (Multilayer Perceptron), RBF (Radial Basis Function) and ELM (Extreme Learning Machine). The coefficient of determination (R2) and the mean square error (MSE) are used as performance indicators to compare GPR and the different network architectures. The accuracy of the RUL estimates are compared in terms of the relative accuracy (RA) and the α - λ performance, which are indicators proposed in the literature for PHM algorithms.Capacitores são componentes eletrônicos que apresentam grande variação de características ao longo de sua vida útil. Após serem submetidos a vários ciclos de carga e descarga, os capacitores apresentam perda na capacitância e com isso passam a operar fora de suas características nominais. Técnicas de Prognóstico e Monitoramento da Saúde (Prognostics and Health Monitoring - PHM) podem ser usadas para monitorar a evolução da degradação dos capacitores e estimar sua vida útil remanescente (Remaining Useful Life - RUL). O presente trabalho tem por objetivo monitorar a degradação e prever a vida útil remanescente de capacitores por meio da utilização de redes neurais artificiais e de regressão por processo gaussiano (Gaussian Process Regression - GPR) utilizando a base de dados do repositório da NASA. Diferentes arquiteturas de redes são avaliadas para a estimativa da vida útil remanescente: MLP (Multilayer Perceptron), RBF (Radial Basis Function) e ELM (Extreme Learning Machine). O coeficiente de determinação (R2) e o erro médio quadrático (Mean Squared Error - MSE), são usados como indicadores de desempenho para comparar as diferentes arquiteturas de redes e do GPR. A precisão das estimativas de RUL são comparadas em termos da precisão relativa (Relative Accuracy - RA) e do desempenho α – λ, que são indicadores propostos na literatura para algoritmos de PHM.CapacitorRedes neurais artificiaisRegressão por processo gaussianoPrognóstico e monitoramento da SaúdeVida útil remanescentePrevisão e detecção de falhas em capacitores eletrolíticosPrevisão e detecção de falhas em capacitores eletrolíticos utilizando redes neurais e técnicas estastísticasPrediction and fault detection in electrolytic capacitorsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.ufc.br/bitstream/riufc/57748/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINAL2021_dis_almesquita.pdf2021_dis_almesquita.pdfMESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.application/pdf4612500http://repositorio.ufc.br/bitstream/riufc/57748/1/2021_dis_almesquita.pdfb84395fa6bc87e15ba405580025629deMD51riufc/577482021-05-04 16:25:47.014oai:repositorio.ufc.br:riufc/57748Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2021-05-04T19:25:47Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.pt_BR.fl_str_mv Previsão e detecção de falhas em capacitores eletrolíticos
dc.title.alternative.pt_BR.fl_str_mv Previsão e detecção de falhas em capacitores eletrolíticos utilizando redes neurais e técnicas estastísticas
dc.title.en.pt_BR.fl_str_mv Prediction and fault detection in electrolytic capacitors
title Previsão e detecção de falhas em capacitores eletrolíticos
spellingShingle Previsão e detecção de falhas em capacitores eletrolíticos
Mesquita, Acélio Luna
Capacitor
Redes neurais artificiais
Regressão por processo gaussiano
Prognóstico e monitoramento da Saúde
Vida útil remanescente
title_short Previsão e detecção de falhas em capacitores eletrolíticos
title_full Previsão e detecção de falhas em capacitores eletrolíticos
title_fullStr Previsão e detecção de falhas em capacitores eletrolíticos
title_full_unstemmed Previsão e detecção de falhas em capacitores eletrolíticos
title_sort Previsão e detecção de falhas em capacitores eletrolíticos
author Mesquita, Acélio Luna
author_facet Mesquita, Acélio Luna
author_role author
dc.contributor.author.fl_str_mv Mesquita, Acélio Luna
dc.contributor.advisor1.fl_str_mv Pinto, Vandilberto Pereira
contributor_str_mv Pinto, Vandilberto Pereira
dc.subject.por.fl_str_mv Capacitor
Redes neurais artificiais
Regressão por processo gaussiano
Prognóstico e monitoramento da Saúde
Vida útil remanescente
topic Capacitor
Redes neurais artificiais
Regressão por processo gaussiano
Prognóstico e monitoramento da Saúde
Vida útil remanescente
description Capacitors are electronic components that vary widely in characteristics over their useful life. After being subjected to several charging and discharging cycles, the capacitors show a loss in their capacitance and with that they start operating outside nominal characteristics. Prognosis and Health Monitoring Techniques (PHM) can be used to monitor the evolution of capacitor degradation and estimate their remaining useful life (RUL). The present work aims to monitor the degradation and predict the remaining useful life of capacitors through the use of artificial neural networks and Gaussian process regression (GPR) using the NASA repository database. Different network architectures are evaluated to estimate the remaining useful life: MLP (Multilayer Perceptron), RBF (Radial Basis Function) and ELM (Extreme Learning Machine). The coefficient of determination (R2) and the mean square error (MSE) are used as performance indicators to compare GPR and the different network architectures. The accuracy of the RUL estimates are compared in terms of the relative accuracy (RA) and the α - λ performance, which are indicators proposed in the literature for PHM algorithms.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-04-15T13:09:53Z
dc.date.available.fl_str_mv 2021-04-15T13:09:53Z
dc.date.issued.fl_str_mv 2021-04-08
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufc.br/handle/riufc/57748
identifier_str_mv MESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.
url http://www.repositorio.ufc.br/handle/riufc/57748
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
bitstream.url.fl_str_mv http://repositorio.ufc.br/bitstream/riufc/57748/2/license.txt
http://repositorio.ufc.br/bitstream/riufc/57748/1/2021_dis_almesquita.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
b84395fa6bc87e15ba405580025629de
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1847793218028044288

Registros relacionados