Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: MELO, Jônata Ferreira de
Orientador(a): BARBOSA, José Maria Andrade
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Engenharia Mecanica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Engenharia Mecânica
Transformada wavelet
Algoritmo
Manutenção preditiva
Máquinas rotativas
Redes neurais artificiais
Link de acesso: https://repositorio.ufpe.br/handle/123456789/32494
Resumo: Com o desenvolvimento da tecnologia de fabricação e processos com a chegada da indústria 4.0, toda uma série de conceitos precisam ser revistos e avaliados. A manufatura moderna traz paradigmas que impactam diretamente em setores como manutenção. Na direção do esforço de livrar o homem de atividades rotineiras e melhoria na eficiência e segurança na execução de atividades de manutenção preditiva, este trabalho se propõe a desenvolver uma técnica capaz de automatizar o diagnóstico de falhas como desbalanceamento e desalinhamento em máquinas rotativas, por meio da aplicação de redes neurais artificiais do tipo feedforward multicamadas. Os dados utilizados para o treinamento da rede foram dados de vibração obtidos experimentalmente e o padrão dos problemas em estudos foram capturados por meio da decomposição dos sinais mediante aplicação da transformada wavelet. Os resultados obtidos constataram que a rede foi capaz de apreender as características dos problemas analisados e fornecer resultados acima dos 99% de acerto em algumas condições de operação, além de diagnosticar inclusive quando os problemas estão combinados. O algoritmo desenvolvido além de ser aplicável a supervisão de máquinas rotativas em tempo real é capaz também de fornecer análises FFT, STFT, Espectogramas, análises wavelet no domínio tempo x frequência e decomposição de sinais.
id UFPE_c887b1ca1e9912afcc3ab3d2d4b075b2
oai_identifier_str oai:repositorio.ufpe.br:123456789/32494
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling MELO, Jônata Ferreira dehttp://lattes.cnpq.br/3113351036180940http://lattes.cnpq.br/6749188011494040BARBOSA, José Maria Andrade2019-09-10T22:07:28Z2019-09-10T22:07:28Z2018-08-13https://repositorio.ufpe.br/handle/123456789/32494Com o desenvolvimento da tecnologia de fabricação e processos com a chegada da indústria 4.0, toda uma série de conceitos precisam ser revistos e avaliados. A manufatura moderna traz paradigmas que impactam diretamente em setores como manutenção. Na direção do esforço de livrar o homem de atividades rotineiras e melhoria na eficiência e segurança na execução de atividades de manutenção preditiva, este trabalho se propõe a desenvolver uma técnica capaz de automatizar o diagnóstico de falhas como desbalanceamento e desalinhamento em máquinas rotativas, por meio da aplicação de redes neurais artificiais do tipo feedforward multicamadas. Os dados utilizados para o treinamento da rede foram dados de vibração obtidos experimentalmente e o padrão dos problemas em estudos foram capturados por meio da decomposição dos sinais mediante aplicação da transformada wavelet. Os resultados obtidos constataram que a rede foi capaz de apreender as características dos problemas analisados e fornecer resultados acima dos 99% de acerto em algumas condições de operação, além de diagnosticar inclusive quando os problemas estão combinados. O algoritmo desenvolvido além de ser aplicável a supervisão de máquinas rotativas em tempo real é capaz também de fornecer análises FFT, STFT, Espectogramas, análises wavelet no domínio tempo x frequência e decomposição de sinais.PRH-PB203With the development of manufacturing technology and processes with the arrival of industry 4.0, a whole series of concepts need to be reviewed and evaluated. Modern manufacturing brings paradigms that directly impact sectors such as maintenance. In the direction of the effort to rid man of routine activities and improve efficiency and safety in the execution of predictive maintenance activities, this paper proposes to develop a technique capable of automating the diagnosis of faults such as imbalance and misalignment in rotary machines, through the application of artificial neural networks of the feedforward multilayer type. The data used for the training of the network were vibration data obtained experimentally and the pattern of the problems in studies were captured by means of the decomposition of the signals by application of the wavelet transform. The obtained results showed that the network was able to apprehend the characteristics of the problems analyzed and to provide results above the 99% accuracy in some operating conditions, besides diagnosing even when the problems are combined. The algorithm developed besides being applicable to the supervision of rotating machines in real time is also capable of providing FFT, STFT, Spectograms, wavelet analysis in the time x frequency domain and signal decomposition.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia MecanicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia MecânicaTransformada waveletAlgoritmoManutenção preditivaMáquinas rotativasRedes neurais artificiaisDesenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILTESE Jônata Ferreira de Melo.pdf.jpgTESE Jônata Ferreira de Melo.pdf.jpgGenerated Thumbnailimage/jpeg1276https://repositorio.ufpe.br/bitstream/123456789/32494/5/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf.jpgfc484fad973609e789bfa40ccf2da87dMD55ORIGINALTESE Jônata Ferreira de Melo.pdfTESE Jônata Ferreira de Melo.pdfapplication/pdf3838154https://repositorio.ufpe.br/bitstream/123456789/32494/1/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf32ca4e367bf5d54b181db951ce3bd2dbMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/32494/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/32494/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTTESE Jônata Ferreira de Melo.pdf.txtTESE Jônata Ferreira de Melo.pdf.txtExtracted texttext/plain222479https://repositorio.ufpe.br/bitstream/123456789/32494/4/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf.txtb0fd438a75a10853e60f4ec539358877MD54123456789/324942019-10-26 01:36:49.481oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T04:36:49Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
title Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
spellingShingle Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
MELO, Jônata Ferreira de
Engenharia Mecânica
Transformada wavelet
Algoritmo
Manutenção preditiva
Máquinas rotativas
Redes neurais artificiais
title_short Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
title_full Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
title_fullStr Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
title_full_unstemmed Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
title_sort Desenvolvimento de técnica de predição de defeitos em máquinas rotativas por meio de redes neurais artificiais
author MELO, Jônata Ferreira de
author_facet MELO, Jônata Ferreira de
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3113351036180940
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6749188011494040
dc.contributor.author.fl_str_mv MELO, Jônata Ferreira de
dc.contributor.advisor1.fl_str_mv BARBOSA, José Maria Andrade
contributor_str_mv BARBOSA, José Maria Andrade
dc.subject.por.fl_str_mv Engenharia Mecânica
Transformada wavelet
Algoritmo
Manutenção preditiva
Máquinas rotativas
Redes neurais artificiais
topic Engenharia Mecânica
Transformada wavelet
Algoritmo
Manutenção preditiva
Máquinas rotativas
Redes neurais artificiais
description Com o desenvolvimento da tecnologia de fabricação e processos com a chegada da indústria 4.0, toda uma série de conceitos precisam ser revistos e avaliados. A manufatura moderna traz paradigmas que impactam diretamente em setores como manutenção. Na direção do esforço de livrar o homem de atividades rotineiras e melhoria na eficiência e segurança na execução de atividades de manutenção preditiva, este trabalho se propõe a desenvolver uma técnica capaz de automatizar o diagnóstico de falhas como desbalanceamento e desalinhamento em máquinas rotativas, por meio da aplicação de redes neurais artificiais do tipo feedforward multicamadas. Os dados utilizados para o treinamento da rede foram dados de vibração obtidos experimentalmente e o padrão dos problemas em estudos foram capturados por meio da decomposição dos sinais mediante aplicação da transformada wavelet. Os resultados obtidos constataram que a rede foi capaz de apreender as características dos problemas analisados e fornecer resultados acima dos 99% de acerto em algumas condições de operação, além de diagnosticar inclusive quando os problemas estão combinados. O algoritmo desenvolvido além de ser aplicável a supervisão de máquinas rotativas em tempo real é capaz também de fornecer análises FFT, STFT, Espectogramas, análises wavelet no domínio tempo x frequência e decomposição de sinais.
publishDate 2018
dc.date.issued.fl_str_mv 2018-08-13
dc.date.accessioned.fl_str_mv 2019-09-10T22:07:28Z
dc.date.available.fl_str_mv 2019-09-10T22:07:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/32494
url https://repositorio.ufpe.br/handle/123456789/32494
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia Mecanica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/32494/5/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/32494/1/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf
https://repositorio.ufpe.br/bitstream/123456789/32494/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/32494/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/32494/4/TESE%20J%c3%b4nata%20Ferreira%20de%20Melo.pdf.txt
bitstream.checksum.fl_str_mv fc484fad973609e789bfa40ccf2da87d
32ca4e367bf5d54b181db951ce3bd2db
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
b0fd438a75a10853e60f4ec539358877
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741695709315072

Registros relacionados