Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/34733
Type: Dissertação
Title: Prognóstico de falhas utilizando Neo-Fuzzy-Neuron com aprendizado on-line
Authors: José Hélio de Souza
First Advisor: Walmir Matos Caminhas
First Referee: Marcos Flávio Silveira Vasconcelos D Angelo
Second Referee: Fernando Antônio Campos Gomide
Third Referee: Marlon Rosa Gouvêa
Abstract: Os sistemas inteligentes de prognóstico de falhas nas indústrias têm trazido importantes contribuições em termos de segurança e economia, tornando-os indispensáveis, e motivado cada vez mais pesquisas na área. Em problemas de prognóstico o que se busca é prever o tempo de Vida Útil Remanescente (RUL). Em geral, utiliza-se dados históricos e a técnica de previsão de séries temporais, de parâmetros indicativos de degradação, vários passos à frente. Nesse contexto, este trabalho aborda a utilização de uma estrutura Neurofuzzy (Neo-Fuzzy-Neuron), com aprendizado online, para a estimação do RUL. Foi proposta a utilização de pesos intervalares na da rede Neo-Fuzzy-Neuron, para realizar a predição de RUL de forma intervalar, e assim obter um RUL com um valor conservador e outro otimista. As metodologias são aplicadas em três bases de dados, bem conhecidas na literatura, para avaliação de problemas de prognóstico, são elas: as baterias de íons de lítio; o desgaste de ferramentas de corte da Máquina de Comando Numérico (CNC); e o desgaste de rolamentos, base de dados PRONOSTIA. Os resultados obtidos mostraram que a metodologia proposta é bastante promissora para prognóstico de falhas em processos/equipamentos.
Abstract: Intelligent systems for fault prognostics in industries have brought important contributions in terms of safety and economy, making them indispensable, and motivating more and more research in the area. In prognostics problems, what is sought is to predict the Remaining Useful Life (RUL). In general, historical data and the technique of forecasting time series, of parameters indicative of degradation, multi-step ahead. In this context, this work addresses the use of a Neurofuzzy structure (Neo-Fuzzy-Neuron), with online learning, to estimate the RUL. It was proposed to use interval weights in the Neo-Fuzzy-Neuron network, to perform the prediction of RUL in an interval way, and thus obtain a RUL with a conservative and an optimistic value. The methodologies are applied in three databases, well known in the literature, to assess prognosis problems, they are: lithium ion batteries; wear of cutting tools on the Computer Numeric Control (CNC); and wear of bearings, database PRONOSTIA. The results obtained showed that the proposed methodology is very promising for the fault prognostics in processes/equipment.
Subject: Engenharia elétrica
Inteligência computacional
Análise de séries temporais
Falha de sistema (Engenharia)
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: ENGENHARIA - ESCOLA DE ENGENHARIA
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/34733
Issue Date: 12-Nov-2020
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
Dissertacao_Jose_Helio_Souza.pdf1.75 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.