Prognóstico de falhas utilizando Neo-Fuzzy-Neuron com aprendizado on-line
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Marcos Flávio Silveira Vasconcelos D Angelo
Fernando Antônio Campos Gomide
Marlon Rosa Gouvêa
Fernando Antônio Campos Gomide
Marlon Rosa Gouvêa
Resumo
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.
Assunto
Engenharia elétrica, Inteligência computacional, Análise de séries temporais, Falha de sistema (Engenharia)
Palavras-chave
Neo-Fuzzy-Neuron, Prognóstico de falhas, Vida útil remanescente, Séries temporais