Diagnóstico de falhas baseado em sistema inteligente evolutivo
Autor(a) principal: | |
---|---|
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 |