Diagnóstico de falhas baseado em sistema inteligente evolutivo

Detalhes bibliográficos
Autor(a) principal: Maurilio Jose Inacio
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/BUBD-9ZCJGR
Resumo: Em muitas áreas, os avanços tecnológicos levaram ao surgimento de máquinas e equipamentos complexos, dificultando seu gerenciamento e manutenção e, consequentemente, ocasionando o aumento de falhas. Nesse contexto, esse trabalho propõe uma metodologia de diagnóstico de falhas baseada em sistema inteligente evolutivo, visando sua aplicação em sistemas dinâmicos não estacionários que exijam a realização dessas tarefas em modo on-line e em tempo real. Sistemas inteligentes evolutivos são sistemas capazes de determinar gradualmente tanto a sua estrutura quanto os seus parâmetros, extraindo conhecimento a partir dos dados de entrada. De acordo com o conceito de manutenção inteligente, a aplicação de sistemas inteligentes evolutivos para realizar diagnostico de falhas tem-se mostrado promissora. Nesse trabalho é proposto um classificador fuzzy evolutivo para aplicação em diagnóstico de falhas, baseado em uma nova abordagem que combina um algoritmo de agrupamento recursivo e um método de detecção de drift. Essa abordagem confere ao classificador fuzzy evolutivo a capacidade de aprendizado contínuo e incremental em modo on-line, sem a necessidade do conhecimento prévio do sistema dinâmico em questão, e ainda proporcionando maior robustez a outliers e ruído presentes nos dados de entrada. O classificador proposto nesse trabalho _e avaliado em dois problemas tipicamente encontrados na indústria, que são o diagnóstico de falhas em sistema de acionamento de uma máquina de corrente continua, e o diagnóstico de falhas em sistema de tanques interativos. Os resultados das simulações realizadas demonstraram que o classificador proposto tem um desempenho promissor, sugerindo-o como uma alternativa viável para aplicação em problemas reais de diagnostico de falhas.
id UFMG_8146645613da435a98281dfacb25acbe
oai_identifier_str oai:repositorio.ufmg.br:1843/BUBD-9ZCJGR
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Walmir Matos CaminhasAndre Paim LemosBenjamim Rodrigues MenezesFernando Antonio Campos ComideIvan Nunes da SilvaPyramo Pires da Costa JúniorMaurilio Jose Inacio2019-08-10T17:40:56Z2019-08-10T17:40:56Z2014-12-01http://hdl.handle.net/1843/BUBD-9ZCJGREm muitas áreas, os avanços tecnológicos levaram ao surgimento de máquinas e equipamentos complexos, dificultando seu gerenciamento e manutenção e, consequentemente, ocasionando o aumento de falhas. Nesse contexto, esse trabalho propõe uma metodologia de diagnóstico de falhas baseada em sistema inteligente evolutivo, visando sua aplicação em sistemas dinâmicos não estacionários que exijam a realização dessas tarefas em modo on-line e em tempo real. Sistemas inteligentes evolutivos são sistemas capazes de determinar gradualmente tanto a sua estrutura quanto os seus parâmetros, extraindo conhecimento a partir dos dados de entrada. De acordo com o conceito de manutenção inteligente, a aplicação de sistemas inteligentes evolutivos para realizar diagnostico de falhas tem-se mostrado promissora. Nesse trabalho é proposto um classificador fuzzy evolutivo para aplicação em diagnóstico de falhas, baseado em uma nova abordagem que combina um algoritmo de agrupamento recursivo e um método de detecção de drift. Essa abordagem confere ao classificador fuzzy evolutivo a capacidade de aprendizado contínuo e incremental em modo on-line, sem a necessidade do conhecimento prévio do sistema dinâmico em questão, e ainda proporcionando maior robustez a outliers e ruído presentes nos dados de entrada. O classificador proposto nesse trabalho _e avaliado em dois problemas tipicamente encontrados na indústria, que são o diagnóstico de falhas em sistema de acionamento de uma máquina de corrente continua, e o diagnóstico de falhas em sistema de tanques interativos. Os resultados das simulações realizadas demonstraram que o classificador proposto tem um desempenho promissor, sugerindo-o como uma alternativa viável para aplicação em problemas reais de diagnostico de falhas.In many areas, the advance of technology has resulted in the emergence of machinery and complex equipments, which impose great challenges for its management and maintenance, and consequently, increase the fault occurrences. In this context, this work proposes a methodology for fault diagnosis based on evolving intelligent system aiming at its application in nonstationary dynamic systems which require performing these tasks in online mode and real time. Evolving intelligent systems are dened as systems capable to gradually determine both its structure and its parameters, by extracting knowledge from input data. According to intelligent maintenance concept, the application of evolving intelligent systems to perform fault diagnosis has shown promising. In this work we propose an evolving fuzzy classier for fault diagnosis application, based on a new approach that combines a recursive clustering algorithm and a drift detection method. This approach gives the evolving fuzzy classier the ability of continuous and incremental learning in online mode and real time, without need a prior knowledge about of the dynamic system in question, and providing greater robustness to outliers and noise present in input data. The classier proposed in this work is evaluated on two problems typically found in the industry, which are fault diagnosis in DC drive system, and fault diagnosis in interactive tanks system. The results of simulations and experiments demonstrate that the proposed classier achieves promising performance, suggesting it as a feasible alternative for application to real problems of fault diagnosis.Universidade Federal de Minas GeraisUFMGEngenharia elétricaDiagnóstico de falhasClassificador fuzzySistemas evolutivosDiagnóstico de falhas baseado em sistema inteligente evolutivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_maurilio_jose_inacio.pdfapplication/pdf14975924https://repositorio.ufmg.br/bitstream/1843/BUBD-9ZCJGR/1/tese_maurilio_jose_inacio.pdf62b6b400aa47d629dbd3bc97ff9ac755MD51TEXTtese_maurilio_jose_inacio.pdf.txttese_maurilio_jose_inacio.pdf.txtExtracted texttext/plain239718https://repositorio.ufmg.br/bitstream/1843/BUBD-9ZCJGR/2/tese_maurilio_jose_inacio.pdf.txt832ea65c3031201629fcbcd96f0a6d12MD521843/BUBD-9ZCJGR2019-11-14 08:16:25.037oai:repositorio.ufmg.br:1843/BUBD-9ZCJGRRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T11:16:25Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Diagnóstico de falhas baseado em sistema inteligente evolutivo
title Diagnóstico de falhas baseado em sistema inteligente evolutivo
spellingShingle Diagnóstico de falhas baseado em sistema inteligente evolutivo
Maurilio Jose Inacio
Diagnóstico de falhas
Classificador fuzzy
Sistemas evolutivos
Engenharia elétrica
title_short Diagnóstico de falhas baseado em sistema inteligente evolutivo
title_full Diagnóstico de falhas baseado em sistema inteligente evolutivo
title_fullStr Diagnóstico de falhas baseado em sistema inteligente evolutivo
title_full_unstemmed Diagnóstico de falhas baseado em sistema inteligente evolutivo
title_sort Diagnóstico de falhas baseado em sistema inteligente evolutivo
author Maurilio Jose Inacio
author_facet Maurilio Jose Inacio
author_role author
dc.contributor.advisor1.fl_str_mv Walmir Matos Caminhas
dc.contributor.advisor-co1.fl_str_mv Andre Paim Lemos
dc.contributor.referee1.fl_str_mv Benjamim Rodrigues Menezes
dc.contributor.referee2.fl_str_mv Fernando Antonio Campos Comide
dc.contributor.referee3.fl_str_mv Ivan Nunes da Silva
dc.contributor.referee4.fl_str_mv Pyramo Pires da Costa Júnior
dc.contributor.author.fl_str_mv Maurilio Jose Inacio
contributor_str_mv Walmir Matos Caminhas
Andre Paim Lemos
Benjamim Rodrigues Menezes
Fernando Antonio Campos Comide
Ivan Nunes da Silva
Pyramo Pires da Costa Júnior
dc.subject.por.fl_str_mv Diagnóstico de falhas
Classificador fuzzy
Sistemas evolutivos
topic Diagnóstico de falhas
Classificador fuzzy
Sistemas evolutivos
Engenharia elétrica
dc.subject.other.pt_BR.fl_str_mv Engenharia elétrica
description Em muitas áreas, os avanços tecnológicos levaram ao surgimento de máquinas e equipamentos complexos, dificultando seu gerenciamento e manutenção e, consequentemente, ocasionando o aumento de falhas. Nesse contexto, esse trabalho propõe uma metodologia de diagnóstico de falhas baseada em sistema inteligente evolutivo, visando sua aplicação em sistemas dinâmicos não estacionários que exijam a realização dessas tarefas em modo on-line e em tempo real. Sistemas inteligentes evolutivos são sistemas capazes de determinar gradualmente tanto a sua estrutura quanto os seus parâmetros, extraindo conhecimento a partir dos dados de entrada. De acordo com o conceito de manutenção inteligente, a aplicação de sistemas inteligentes evolutivos para realizar diagnostico de falhas tem-se mostrado promissora. Nesse trabalho é proposto um classificador fuzzy evolutivo para aplicação em diagnóstico de falhas, baseado em uma nova abordagem que combina um algoritmo de agrupamento recursivo e um método de detecção de drift. Essa abordagem confere ao classificador fuzzy evolutivo a capacidade de aprendizado contínuo e incremental em modo on-line, sem a necessidade do conhecimento prévio do sistema dinâmico em questão, e ainda proporcionando maior robustez a outliers e ruído presentes nos dados de entrada. O classificador proposto nesse trabalho _e avaliado em dois problemas tipicamente encontrados na indústria, que são o diagnóstico de falhas em sistema de acionamento de uma máquina de corrente continua, e o diagnóstico de falhas em sistema de tanques interativos. Os resultados das simulações realizadas demonstraram que o classificador proposto tem um desempenho promissor, sugerindo-o como uma alternativa viável para aplicação em problemas reais de diagnostico de falhas.
publishDate 2014
dc.date.issued.fl_str_mv 2014-12-01
dc.date.accessioned.fl_str_mv 2019-08-10T17:40:56Z
dc.date.available.fl_str_mv 2019-08-10T17:40:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/BUBD-9ZCJGR
url http://hdl.handle.net/1843/BUBD-9ZCJGR
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.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/BUBD-9ZCJGR/1/tese_maurilio_jose_inacio.pdf
https://repositorio.ufmg.br/bitstream/1843/BUBD-9ZCJGR/2/tese_maurilio_jose_inacio.pdf.txt
bitstream.checksum.fl_str_mv 62b6b400aa47d629dbd3bc97ff9ac755
832ea65c3031201629fcbcd96f0a6d12
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589357412548608