Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações

Detalhes bibliográficos
Autor(a) principal: Godói, Leonardo Franco de, 1995-
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1640797
Resumo: Orientador: Eurípedes Guilherme de Oliveira Nóbrega
id UNICAMP-30_ba289c1e554bfadaa7014f3f0cb0ad23
oai_identifier_str oai::1161893
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibraçõesProposal for asymmetric convolutional autoencoder architecture for the analysis of vibration imagesMonitoramentoMáquinas-ferramentaInteligência artificialAprendizado profundoRedes neurais (Computação)MonitoringMachines-toolsArtificial intelligenceDeep learningNeural networks (Computing)Orientador: Eurípedes Guilherme de Oliveira NóbregaDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: Nos últimos anos, diversos segmentos da indústria têm se beneficiado das vantagens oferecidas pelo monitoramento de saúde de máquinas rotativas. Diante do ritmo no qual os avanços tecnológicos têm ocorrido e dos ganhos operacionais e econômicos proporcionados pelos métodos computacionais modernos, observa-se uma evidente tendência em se aplicar técnicas de inteligência artificial na manutenção desse tipo de equipamento. Este trabalho contempla o estudo de redes neurais artificiais como métodos aplicados ao monitoramento de condição de máquinas rotativas sob diferentes paradigmas de aprendizado. Uma configuração de rede neural do tipo denoising convolutional autoencoder voltada para o diagnóstico de componentes mecânicos é proposta, visando as principais vantagens de diferentes arquiteturas supervisionadas e não supervisionadas para otimização de desempenho na análise de imagens geradas a partir de sinais normalizados de vibrações. O treinamento do modelo é realizado em duas fases distintas, sendo um pré-treinamento por um autoencoder assimétrico e um refinamento por uma rede de classificação. Por meio da seleção de hiperparâmetros, experimentos conduzidos com base em dados extraídos de rolamentos ajudam a determinar a estrutura que oferece os resultados mais satisfatórios e a validar a generalidade do método desenvolvido. Uma comparação entre a arquitetura proposta e outras arquiteturas aplicadas para os mesmos fins, incluindo modelos propostos em outros trabalhos publicados, permite avaliar seu desempenho em termos de acurácia e robustez a ruído. O objetivo é avaliar a eficácia do método através do uso de dois conjuntos de dados experimentais públicos produzidos sob diferentes condições operacionais de máquina. Os resultados obtidos por meio dos estudos de caso justificam as opções adotadas na definição do sistema de diagnóstico criado e provam que a configuração proposta oferece maior acurácia na classificação de falhas e maior robustez em comparação às demais arquiteturas abordadas.Abstract: In the recent years, several industry segments have benefited from the advantages offered by health monitoring of rotating machines. Given the pace at which technological advances have occurred and the operational and economic gains provided by modern computational methods, there is an evident trend to apply artificial intelligence techniques in the maintenance of such equipment. This work addresses the study of artificial neural networks methods applied to the condition monitoring of rotating machines under different learning paradigms. A denoising convolutional autoencoder neural network configuration for the diagnosis of mechanical components is proposed, aiming the main advantages of different supervised and unsupervised architectures to optimize performance in the analysis of images generated from normalized vibration signals. The training of the model is carried out in two distinct phases, a pre-training by an asymmetric autoencoder and a fine-tuning by a classifier network. Through the selection of hyperparameters, experiments based on data extracted from bearings help to determine the structure that offers the most satisfactory results and to validate the generality of the developed method. A comparison between the proposed architecture and other architectures applied for the same purposes, including models proposed in other published works, allows to evaluate its performance in terms of accuracy and robustness to noise. The objective is to assess the effectiveness of the method through the use of two public experimental datasets produced under different machine operating conditions. The results obtained in both case studies justify the options adopted in the definition of the diagnostic system and prove that the proposed configuration offers greater faults classification accuracy and greater robustness in comparison to the other addressed architectures.MestradoMecatrônicaMestre em Engenharia MecânicaCAPES88882.435258/2019-01[s.n.]Nóbrega, Eurípedes Guilherme de Oliveira, 1950-Ferreira, Janito VaqueiroColetta, Luiz Fernando SommaggioUniversidade Estadual de Campinas. Faculdade de Engenharia MecânicaPrograma de Pós-Graduação em Engenharia MecânicaUNIVERSIDADE ESTADUAL DE CAMPINASGodói, Leonardo Franco de, 1995-20212021-01-28T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online ( 121 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1640797GODÓI, Leonardo Franco de. Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações . 2021. 1 recurso online ( 121 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640797. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1161893Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-03-19T11:13:54Zoai::1161893Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-03-19T11:13:54Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
Proposal for asymmetric convolutional autoencoder architecture for the analysis of vibration images
title Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
spellingShingle Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
Godói, Leonardo Franco de, 1995-
Monitoramento
Máquinas-ferramenta
Inteligência artificial
Aprendizado profundo
Redes neurais (Computação)
Monitoring
Machines-tools
Artificial intelligence
Deep learning
Neural networks (Computing)
title_short Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
title_full Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
title_fullStr Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
title_full_unstemmed Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
title_sort Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
author Godói, Leonardo Franco de, 1995-
author_facet Godói, Leonardo Franco de, 1995-
author_role author
dc.contributor.none.fl_str_mv Nóbrega, Eurípedes Guilherme de Oliveira, 1950-
Ferreira, Janito Vaqueiro
Coletta, Luiz Fernando Sommaggio
Universidade Estadual de Campinas. Faculdade de Engenharia Mecânica
Programa de Pós-Graduação em Engenharia Mecânica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Godói, Leonardo Franco de, 1995-
dc.subject.por.fl_str_mv Monitoramento
Máquinas-ferramenta
Inteligência artificial
Aprendizado profundo
Redes neurais (Computação)
Monitoring
Machines-tools
Artificial intelligence
Deep learning
Neural networks (Computing)
topic Monitoramento
Máquinas-ferramenta
Inteligência artificial
Aprendizado profundo
Redes neurais (Computação)
Monitoring
Machines-tools
Artificial intelligence
Deep learning
Neural networks (Computing)
description Orientador: Eurípedes Guilherme de Oliveira Nóbrega
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-01-28T00:00:00Z
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.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1640797
GODÓI, Leonardo Franco de. Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações . 2021. 1 recurso online ( 121 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640797. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1640797
identifier_str_mv GODÓI, Leonardo Franco de. Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações . 2021. 1 recurso online ( 121 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640797. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1161893
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online ( 121 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138559188271104

Registros relacionados