Banca de DEFESA: WALLISSON FERNANDES MARTINS DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : WALLISSON FERNANDES MARTINS DOS SANTOS
DATA : 26/07/2023
HORA: 10:30
LOCAL: Sala virtual Google Meet
TÍTULO:

Detecção e diagnóstico de falhas em rolamentos, sob diferentes cargas e velocidades, utilizando Redes Neurais Convolucionais

PALAVRAS-CHAVES:

detecção e diagnósticos de falhas, rede neural convolucional, técnicas de inteligência artificial, falhas em rolamentos, aprendizado de máquinas.

PÁGINAS: 83
RESUMO:

Com o aumento da complexidade e dos custos dos sistemas industriais, medidas de gestão que visam impedir ou mitigar a perda de confiabilidade, diminuição da produtividade e riscos de segurança, provocados por anormalidades de processo e falhas de componentes, tornam-se cada vez mais importantes. Nesse contexto, a Inteligência Artificial (IA) vem se consolidando como um meio eficaz e desafiador no processo de monitoramento, detecção e diagnóstico de falhas em equipamentos e sistemas industriais. Dentre os equipamentos, que são frequentemente objeto de estudos, destacam-se os rolamentos, que são componentes mecânicos críticos das máquinas rotativas. O monitoramento de vibração é a técnica mais amplamente utilizada para detectar, localizar e distinguir falhas em rolamentos. Diante do desempenho eficiente e crescente das técnicas IA e da importância dos rolamentos nos processos industriais, este trabalho implementa uma Rede Neural Convolucional (CNN) para detecção e diagnóstico de falhas em rolamentos, sob diferentes cargas e velocidades no motor e diferentes tipos e profundidade de falhas no rolamento. Para o desenvolvimento da abordagem proposta, foi utilizado o banco de dados de ensaios em rolamentos da Case Western Reserve University (CWRU). Os sinais de vibração brutos foram pré-processados através da Transformada Wavelet Continua (TWC) e convertidos em imagens, as quais foram alimentadas diretamente na estrutura CNN desenvolvida. Quando comparado com outros métodos baseados em CNN que utilizaram o mesmo banco de dados, a abordagem proposta demonstrou superioridade ou foi pelo menos tão bem- sucedido quanto, atingindo uma precisão de 97,7% quando testado com arquivos em condições operacionais diferentes das condições de treinamento.

MEMBROS DA BANCA:
Presidente - 1451883 - FABIO MENEGHETTI UGULINO DE ARAUJO
Interno - 1328152 - CARLOS EDUARDO TRABUCO DOREA
Interno - 1242315 - PABLO JAVIER ALSINA
Externo à Instituição - MARCELO ROBERTO BASTOS GUERRA VALE - UFERSA