Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Benvenutti, Gustavo
Orientador(a): Flesch, Carlos Alberto
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
Link de acesso: https://repositorio.ufsc.br/handle/123456789/263001
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2024.
id UFSC_6b734f67e71659b59df0fdb7ec76c76e
oai_identifier_str oai:repositorio.ufsc.br:123456789/263001
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaBenvenutti, GustavoFlesch, Carlos AlbertoNascimento, Ahryman Seixas Busse de Siqueira2025-01-31T23:22:14Z2025-01-31T23:22:14Z2024389907https://repositorio.ufsc.br/handle/123456789/263001Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2024.O compressor é parte fundamental dos sistemas de refrigeração, sendo responsável por elevar a pressão do gás refrigerante, permitindo a troca de calor eficiente nas outras partes do sistema. Inúmeros ensaios são realizados no compressor para pesquisa e desenvolvimento, para estabelecimento de especificações em catálogos e para análise da conformidade na produção. Para uma correta avaliação do desempenho de um compressor, é essencial que as condições dos ensaios sejam repetitíveis e reprodutíveis. No entanto, os resultados desses testes podem ser influenciados pelo estado de amaciamento do compressor. O amaciamento é um processo pelo qual o compressor passa antes de ser submetido aos ensaios, com o objetivo de permitir que as superfícies dos componentes, que nunca estiveram em contato deslizante, se ajustem gradualmente, removendo irregularidades. A duração dessa etapa de amaciamento não é normatizada e atualmente fica a critério do fabricante, que não costuma divulgar tal informação. Esta dissertação tem como objetivo aprofundar os estudos dos métodos de detecção da estabilização do amaciamento de compressores herméticos, de forma a garantir a redução de variabilidade nos ensaios de desempenho causada por tal fenômeno. Para inferir o instante de estabilização do período de amaciamento foi utilizada a vibração mecânica na superfície do compressor hermético alternativo por ser uma medição não invasiva e não interferir no funcionamento do compressor. Com os dados disponíveis de vibração, foram aplicadas técnicas de pré-processamento para melhor extrair possíveis informações ligadas ao amaciamento dos compressores. Ao fim, foram aplicadas diferentes ferramentas de aprendizado de máquina não supervisionado para verificar a possibilidade de indicar o fim do amaciamento por meio do sinal pré-processado. Das ferramentas avaliadas, destaca-se o DBSCAN (Density-based spatial clustering of applications with noise) que para os compressores analisados conseguiu separar em amostras de dados de medição os períodos adquiridos antes e depois da estabilização do amaciamento. O trabalho conseguiu evoluir o estado da arte do tema e oferecer um algoritmo com potencial de fornecer informação sobre o instante de estabilização do amaciamento.Abstract: The compressor is a fundamental part of refrigeration systems, being responsible for raising the pressure of the refrigerant gas, allowing efficient heat exchange in the other parts of the system. Numerous tests are carried out on the compressor for research and development, to establish specifications in catalogs and to analyze conformity in production. For a correct assessment of a compressor's performance, it is essential that the test conditions are repeatable and reproducible. However, the results of these tests can be influenced by the run-in condition of the compressor. Run-in is a process that the compressor goes through before being subjected to the tests, with the objective of allowing the surfaces of the components, which have never been in sliding contact, to gradually adjust, removing irregularities. However, the duration of this running-in stage is not standardized and is currently left to the discretion of the manufacturer, who does not usually disclose this information. The purpose of this dissertation is to further study methods for detecting the stabilization of hermetic compressor running-in in order to guarantee a reduction in the variability of performance tests caused by this phenomenon. Mechanical vibration on the surface of the reciprocating hermetic compressor was used to infer the moment when the running-in period stabilizes, as it is a non-invasive measurement and does not interfere with the compressor's operation. With the available vibration data, pre-processing techniques were applied to better extract possible information linked to compressor running-in. Finally, different unsupervised machine learning tools were applied to verify the possibility of indicating the stabilization of running-in using the pre-processed signal. Of the tools evaluated, one of them stood out, the DBSCAN (Density-based spatial clustering of applications with noise), which was able to separate in measurement data samples the periods acquired before and after running-in stabilization for the compressors analyzed. The work has managed to evolve the state of the art on the subject and offer an algorithm with the potential to provide information on the moment when run-in stabilizes.85 p.| il., gráfs.porEngenharia mecânicaCompressores herméticosTribologiaAprendizado do computadorProposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEMC2368-D.pdfPEMC2368-D.pdfapplication/pdf22494165https://repositorio.ufsc.br/bitstream/123456789/263001/-1/PEMC2368-D.pdf303769921849c4e2e7c9b1df49ce36fcMD5-1123456789/2630012025-01-31 20:22:14.426oai:repositorio.ufsc.br:123456789/263001Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732025-01-31T23:22:14Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
title Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
spellingShingle Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
Benvenutti, Gustavo
Engenharia mecânica
Compressores herméticos
Tribologia
Aprendizado do computador
title_short Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
title_full Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
title_fullStr Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
title_full_unstemmed Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
title_sort Proposta de algoritmo de aprendizado de máquina para detecção de amaciamento em compressores herméticos
author Benvenutti, Gustavo
author_facet Benvenutti, Gustavo
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Benvenutti, Gustavo
dc.contributor.advisor1.fl_str_mv Flesch, Carlos Alberto
dc.contributor.advisor-co1.fl_str_mv Nascimento, Ahryman Seixas Busse de Siqueira
contributor_str_mv Flesch, Carlos Alberto
Nascimento, Ahryman Seixas Busse de Siqueira
dc.subject.classification.none.fl_str_mv Engenharia mecânica
Compressores herméticos
Tribologia
Aprendizado do computador
topic Engenharia mecânica
Compressores herméticos
Tribologia
Aprendizado do computador
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2024.
publishDate 2024
dc.date.issued.fl_str_mv 2024
dc.date.accessioned.fl_str_mv 2025-01-31T23:22:14Z
dc.date.available.fl_str_mv 2025-01-31T23:22:14Z
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.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/263001
dc.identifier.other.none.fl_str_mv 389907
identifier_str_mv 389907
url https://repositorio.ufsc.br/handle/123456789/263001
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.format.none.fl_str_mv 85 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/263001/-1/PEMC2368-D.pdf
bitstream.checksum.fl_str_mv 303769921849c4e2e7c9b1df49ce36fc
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759037438230528

Registros relacionados