Dissertação
Machinery failure Assessment through pattern recognition of energy consumption EVALUATED
Esta tese apresenta o desenvolvimento de um sistema de detecção de falhas baseado no reconhecimento de padrões de consumo energético para o caso de estudo de um ventilador. O objetivo do sistema é permitir a deteção de falhas nos sistemas de ventilação de edifícios, conhecendo apenas o seu consumo energético. A primeira etapa do processo envolveu a construção de uma instalação experimental, necessária para a aquisição de dados e indução de falhas. Posteriormente, foram realizadas medições em condições de funcionamento nominais e defeituosas (com falhas). Os estados defeituosos examinados incluem: entradas de ar obstruídas e falhas causadas por excesso de atrito entre o eixo e a armadura. A avaliação de falhas baseou-se na análise de características extraídas do conjunto de dados adquiridos durante os ensaios, tais como: a carga média, o desvio padrão e hora de aquisição. A avaliação de falhas foi realizada utilizando dois métodos: árvores de decisão e redes neuronais. Ambos os algoritmos são considerados adequados para o problema em estudo e apresentam desempenhos semelhantes na classificação de padrões. Os algoritmos foram altamente precisos na deteção da falha "entrada de ar obstruída", no entanto a falha causada por fricção adicional no eixo raramente foi detetada. A principal vantagem do uso das árvores de decisão é a sua estrutura clara e de fácil compreensão, por outro lado as redes neuronais são altamente eficientes devido à utilização de funções não-lineares e à flexibilidade no processo de aprendizagem.
março 16, 2017, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
