| spelling |
Reinaldo Martinez PalharesRicardo Hiroshi Caldeira TakahashiWalmir Matos CaminhasRosangela Helena LoschiAmit BhayaRoberto Kawakami Harrop GalvãoMarcos Flavio Silveira Vasconcelos Dangelo2019-08-11T19:41:46Z2019-08-11T19:41:46Z2010-02-26http://hdl.handle.net/1843/BUOS-8CVFWLEste 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.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.Universidade Federal de Minas GeraisUFMGEngenharia elétricaconjuntos fuzzyalgoritmo metropolis hastingsDetecção de falhas incipientesUma nova formulação fuzzy/bayesiana para detecção de ponto de mudança em séries temporais: aplicações na detecção de falhas incipientes.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALmarcos_fl_vio_silveira_vasconcelos_d_angelo.pdfapplication/pdf3750142https://repositorio.ufmg.br/bitstream/1843/BUOS-8CVFWL/1/marcos_fl_vio_silveira_vasconcelos_d_angelo.pdfe68276e1670628e65eb00cc5b4b9861aMD51TEXTmarcos_fl_vio_silveira_vasconcelos_d_angelo.pdf.txtmarcos_fl_vio_silveira_vasconcelos_d_angelo.pdf.txtExtracted texttext/plain162455https://repositorio.ufmg.br/bitstream/1843/BUOS-8CVFWL/2/marcos_fl_vio_silveira_vasconcelos_d_angelo.pdf.txt7500fa6f2ebe3a0517f44dce4ee3514fMD521843/BUOS-8CVFWL2019-11-14 10:54:53.204oai:repositorio.ufmg.br:1843/BUOS-8CVFWLRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T13:54:53Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|