Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração

Detalhes bibliográficos
Autor(a) principal: Loureiro, Suelen Marconsini
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
Texto Completo: http://repositorio.ufes.br/handle/10/6385
Resumo: Predictive maintenance plays an important role for the economy and safety of petroleum systems. Analysis of vibration signals obtained from machines involved in the petroleumextraction process allows subject matter experts to characterize and monitor the situation. However, because of the high cost and the lack of availability of those experts, the existence of automatic systems that support the analysis is desirable. This work presents an automatic procedure to recognize defect patterns in motorpump equipments. A set of techniques previously selected for each stage of the pattern recognition process is applied in the procedure. Signals processing techniques are used to obtain descriptive features from vibration signals. Two approaches are evaluated for the selection of relevant characteristics: using heuristics based on domain specialized knowledge (manual approach) and application of selection algorithms (automatic approach). Real examples are subjected to a supervised learning algorithm in order to compare the manual and the automatic selection approaches.
id UFES_bef0e99402e7309ae09ff122651b90d1
oai_identifier_str oai:repositorio.ufes.br:10/6385
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str 2108
spelling Varejão, Flávio MiguelLoureiro, Suelen MarconsiniRauber, Thomas WalterBernardini, Flávia Cristina2016-12-23T14:33:41Z2010-06-112016-12-23T14:33:41Z2009-08-17Predictive maintenance plays an important role for the economy and safety of petroleum systems. Analysis of vibration signals obtained from machines involved in the petroleumextraction process allows subject matter experts to characterize and monitor the situation. However, because of the high cost and the lack of availability of those experts, the existence of automatic systems that support the analysis is desirable. This work presents an automatic procedure to recognize defect patterns in motorpump equipments. A set of techniques previously selected for each stage of the pattern recognition process is applied in the procedure. Signals processing techniques are used to obtain descriptive features from vibration signals. Two approaches are evaluated for the selection of relevant characteristics: using heuristics based on domain specialized knowledge (manual approach) and application of selection algorithms (automatic approach). Real examples are subjected to a supervised learning algorithm in order to compare the manual and the automatic selection approaches.A manutenção preditiva possui um papel importante na economia e segurança de sistemas petrolíferos. A análise de sinais de vibração obtidos das máquinas envolvidas no processo de extração petrolífera permite a especialistas altamente capacitados caracterizar e monitorar a sua situação. No entanto, o custo e a falta de disponibilidade desses especialistas tornam desejável a existência de sistemas automáticos que apoiem a análise. Este trabalho descreve um procedimento computacional para reconhecimento de padrões de defeitos em equipamentos do tipo motobomba. O procedimento consiste na aplicação combinada de técnicas previamente selecionadas para cada etapa do processo de reconhecimento dos padrões. Técnicas de processamento de sinais são utilizadas para obter atributos descritivos a partir dos sinais de vibração. Duas abordagens são avaliadas para a seleção de características relevantes: a utilização de heurísticas com base no conhecimento especializado do domínio (abordagem manual) e a aplicação de algoritmos de seleção (abordagem automática). Exemplos reais são submetidos a um algoritmo de aprendizado pervisionado para comparação das abordagens manual e automática de seleção.TextLOUREIRO, Suelen Marconsini. Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração. 2009. 65 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2009.http://repositorio.ufes.br/handle/10/6385porUniversidade Federal do Espírito SantoMestrado em InformáticaPrograma de Pós-Graduação em InformáticaUFESBRCentro TecnológicoDefeitos em motobombasReconhecimento de padrõesVibraçãoProcessamento de sinaisClassificaçãoLocalização de falhas (Engenharia)Ciência da Computação004Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibraçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALdissertacao.pdfapplication/pdf466920http://repositorio.ufes.br/bitstreams/ae25e14e-5d5a-4381-ac3b-8fe9014c709b/downloadf3f3919d7838ae33470a93d1b137778aMD5110/63852024-07-17 16:57:16.333oai:repositorio.ufes.br:10/6385http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-10-15T17:58:29.579924Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
title Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
spellingShingle Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
Loureiro, Suelen Marconsini
Defeitos em motobombas
Ciência da Computação
Reconhecimento de padrões
Vibração
Processamento de sinais
Classificação
Localização de falhas (Engenharia)
004
title_short Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
title_full Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
title_fullStr Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
title_full_unstemmed Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
title_sort Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração
author Loureiro, Suelen Marconsini
author_facet Loureiro, Suelen Marconsini
author_role author
dc.contributor.advisor1.fl_str_mv Varejão, Flávio Miguel
dc.contributor.author.fl_str_mv Loureiro, Suelen Marconsini
dc.contributor.referee1.fl_str_mv Rauber, Thomas Walter
dc.contributor.referee2.fl_str_mv Bernardini, Flávia Cristina
contributor_str_mv Varejão, Flávio Miguel
Rauber, Thomas Walter
Bernardini, Flávia Cristina
dc.subject.por.fl_str_mv Defeitos em motobombas
topic Defeitos em motobombas
Ciência da Computação
Reconhecimento de padrões
Vibração
Processamento de sinais
Classificação
Localização de falhas (Engenharia)
004
dc.subject.cnpq.fl_str_mv Ciência da Computação
dc.subject.br-rjbn.none.fl_str_mv Reconhecimento de padrões
Vibração
Processamento de sinais
Classificação
Localização de falhas (Engenharia)
dc.subject.udc.none.fl_str_mv 004
description Predictive maintenance plays an important role for the economy and safety of petroleum systems. Analysis of vibration signals obtained from machines involved in the petroleumextraction process allows subject matter experts to characterize and monitor the situation. However, because of the high cost and the lack of availability of those experts, the existence of automatic systems that support the analysis is desirable. This work presents an automatic procedure to recognize defect patterns in motorpump equipments. A set of techniques previously selected for each stage of the pattern recognition process is applied in the procedure. Signals processing techniques are used to obtain descriptive features from vibration signals. Two approaches are evaluated for the selection of relevant characteristics: using heuristics based on domain specialized knowledge (manual approach) and application of selection algorithms (automatic approach). Real examples are subjected to a supervised learning algorithm in order to compare the manual and the automatic selection approaches.
publishDate 2009
dc.date.issued.fl_str_mv 2009-08-17
dc.date.available.fl_str_mv 2010-06-11
2016-12-23T14:33:41Z
dc.date.accessioned.fl_str_mv 2016-12-23T14:33:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LOUREIRO, Suelen Marconsini. Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração. 2009. 65 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2009.
dc.identifier.uri.fl_str_mv http://repositorio.ufes.br/handle/10/6385
identifier_str_mv LOUREIRO, Suelen Marconsini. Reconhecimento automático de padrões de defeitos em motobombas utilizando análise de sinais de vibração. 2009. 65 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2009.
url http://repositorio.ufes.br/handle/10/6385
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Text
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Informática
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Informática
dc.publisher.initials.fl_str_mv UFES
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Centro Tecnológico
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Informática
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
bitstream.url.fl_str_mv http://repositorio.ufes.br/bitstreams/ae25e14e-5d5a-4381-ac3b-8fe9014c709b/download
bitstream.checksum.fl_str_mv f3f3919d7838ae33470a93d1b137778a
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv
_version_ 1813022549382004736

Registros relacionados