Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
Autor(a) principal: | |
---|---|
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 |