Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/BUOS-8CVFWL
Tipo: Tese de Doutorado
Título: Uma nova formulação fuzzy/bayesiana para detecção de ponto de mudança em séries temporais: aplicações na detecção de falhas incipientes.
Autor(es): Marcos Flavio Silveira Vasconcelos Dangelo
Primeiro Orientador: Reinaldo Martinez Palhares
Primeiro Coorientador: Ricardo Hiroshi Caldeira Takahashi
Primeiro membro da banca : Walmir Matos Caminhas
Segundo membro da banca: Rosangela Helena Loschi
Terceiro membro da banca: Amit Bhaya
Quarto membro da banca: Roberto Kawakami Harrop Galvão
Resumo: Este trabalho apresenta uma nova abordagem para detecção de falhas incipientes em sistemas dinâmicos baseada em uma técnica Fuzzy/Bayesiana para detecção de ponto de mudança em séries temporais. A técnica de detecção de ponto de mudança proposta é baseada em uma formulação de duas etapas. Na primeira etapa, a teoria dos conjuntos fuzzy é aplicada na série temporal com o objetivo de aglomerar e transformar os dados iniciais, com distribuição arbitrária, em dados que podem ser aproximados por uma distribuição beta. A segunda etapa consiste em usar simulação de Monte Carlo via cadeias de Markov (o algoritmo de Metropolis-Hastings) para detectar ponto de mudança na série temporal transformada. No presente trabalho, falhas incipientes serão caracterizadas por mudanças gradativas na série temporal. Características especiais da metodologia proposta para detecção de falhas incipientes são a não necessidade de modelo matemático explícito e especificação de limiares. Com o objetivo de ilustrar a eficiência da metodologia proposta, serão apresentados alguns resultados de detecção de falhas incipientes em um atuador industrial usado como benchmark de FDI no european RTN DAMADICS e no enrolamento estatórico de máquinas de indução.
Abstract: This work presents a novel approach for incipient fault detection in dynamical systems which is based on a Fuzzy/Bayesian technique for change point detection in time series. The proposed change point detection technique is based on a two step formulation. In the first step, a result from the fuzzy set theory is applied to the time series in order to cluster and transform the initial data, with arbitrary distribution, into new data that can be approximated with a beta distribution. The second step consists in using a Markov chain Monte Carlo (the Metropolis-Hastings algorithm) to the change point detection in the transformed time series. In this work, the incipient faults are characterized by small changes in the time series. As special features of the proposed methodology for incipient fault detection, it does not require any mathematical model of dynamic system, any threshold specification. To illustrate the efficiency of the proposed methodology, some results in the problem of detection of incipient faults in an industrial actuator of the FDI benchmark in the European RTN DAMADICS and in the stator winding of induction motors are presented.
Assunto: Engenharia elétrica
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/BUOS-8CVFWL
Data do documento: 26-Fev-2010
Aparece nas coleções:Teses de Doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
marcos_fl_vio_silveira_vasconcelos_d_angelo.pdf3.66 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.