Please use this identifier to cite or link to this item: http://monografias.ufrn.br/handle/123456789/8852
Title: Classificação de falhas com o perfil mecânico de um analisador de eletrólitos utilizando redes neurais
Other Titles: Classification of failures with the mechanical profile of an electrolyte analyzer using neural networks
Authors: Ponte, Rômulo Martins
Keywords: Sistemas Eletromecânicos;Manutenção;Análise de Sinais;Redes Neurais Artificiais;Mapas de Kohonen
Issue Date: 21-Jun-2019
Publisher: Universidade Federal do Rio Grande do Norte
Citation: PONTE, Rômulo Martins. Classificação de falhas com o perfil mecânico de um analisador de eletrólitos utilizando redes neurais. 2019. 54f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019.
Portuguese Abstract: A prevenção de falhas em sistemas é um desafio para pesquisadores e profissionais da engenharia. Diversas técnicas para a minimização da perda relacionadas ao sistema foram desenvolvidas, utilizando a análise de sinais provenientes do sistema estudado podese chegar à descoberta de desgastes inesperados. Exemplos desses sinais é a vibração, pressão acústica, temperatura, partículas em óleos lubrificantes, entre outros. Sistemas eletromecânicos apresentam-se como um desafio a parte, com comportamentos inesperados, exigindo que sua manutenção seja baseada na confiabilidade de recursos tecnológicos, robustos e eficientes para garantir a sua eficiência e eficácia. Utilizando redes neurais artificiais (RNA) para as análises de sinais, empregadas em grandes quantidades de dados, podemos alcançar um grande grau de confiabilidade ao unirmos com estatística e computação na otimização de processos dinâmicos. Este trabalho procura aplicar e evidenciar a eficácia do método proposto por Cabral (2017) na detecção e classificação de falhas em sistemas eletromecânicos, especificamente um analisador de eletrólitos, utilizando redes neurais artificiais e segmentação de imagens no motor de passos o equipamento, com a simulação de falhas em uma bancada de testes.
Abstract: Preventing system failures is a challenge for researchers and engineering professionals. Several techniques for the loss minimization related to the system were developed, using the analysis of signals from the studied system, it’s possible to arrive at the discovery of unexpected wear and tear. Examples of such signals are vibration, acoustic pressure, temperature, particulates in lubricating oils, and others. Electromechanical systems present themselves as a challenge apart, with unexpected behaviours, requiring that their maintenance is based on the reliability of technological resources, robust and efficient to guarantee their efficiency and effectiveness. Using artificial neural networks (ANNs) for signal analysis, used in large amounts of data we can achieve an excellent degree of reliability by joining with statistics and computation in the optimization of dynamic processes. This work tries to apply and to demonstrate the effectiveness of the method proposed by Cabral (2017) in the detection and classification of failures in electromechanical systems, specifically an electrolyte analyzer, using artificial neural networks with the simulation of failures in a test bench.
URI: http://monografias.ufrn.br/handle/123456789/8852
Other Identifiers: 20170156066
Appears in Collections:Engenharia Mecânica

Files in This Item:
File Description SizeFormat 
Classificaçãodefalhas_Ponte_2019.pdfClassificação de falhas com o perfil mecânico de um analisador de eletrólitos utilizando redes neurais2.79 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons