Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/34733
Tipo: | Dissertação |
Título: | Prognóstico de falhas utilizando Neo-Fuzzy-Neuron com aprendizado on-line |
Autor(es): | José Hélio de Souza |
primer Tutor: | Walmir Matos Caminhas |
primer miembro del tribunal : | Marcos Flávio Silveira Vasconcelos D Angelo |
Segundo miembro del tribunal: | Fernando Antônio Campos Gomide |
Tercer miembro del tribunal: | Marlon Rosa Gouvêa |
Resumen: | 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. |
Asunto: | Engenharia elétrica Inteligência computacional Análise de séries temporais Falha de sistema (Engenharia) |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Institución: | UFMG |
Departamento: | ENGENHARIA - ESCOLA DE ENGENHARIA |
Curso: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de acceso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/34733 |
Fecha del documento: | 12-nov-2020 |
Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Dissertacao_Jose_Helio_Souza.pdf | 1.75 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.