Reconhecimento de padrões de condições de funcionamento de rolamentos em máquinas rotativas com auxílio de redes neurais artificiais

Barra, Fernando da Silva

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/11437

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Pinto, Fernando Augusto de Noronha Castro	-
dc.contributor.author	Barra, Fernando da Silva	-
dc.date.accessioned	2020-03-10T14:24:09Z	-
dc.date.available	2023-12-21T03:06:54Z	-
dc.date.issued	2013-08	-
dc.identifier.uri	http://hdl.handle.net/11422/11437	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	redes neurais	pt_BR
dc.subject	rolamentos	pt_BR
dc.subject	máquinas rotativas	pt_BR
dc.subject	sensores	pt_BR
dc.subject	manutenção preditiva	pt_BR
dc.title	Reconhecimento de padrões de condições de funcionamento de rolamentos em máquinas rotativas com auxílio de redes neurais artificiais	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.referee1	Ritto, Thiago Gamboa	-
dc.contributor.referee2	Romano, Vitor Ferreira	-
dc.description.resumo	Este trabalho apresenta o estudo sobre a aplicação de redes neurais artificiais para reconhecimento de padrões de condição de rolamentos em máquinas rotativas. Em um modelo experimental, localizado no Laboratório de Acústica e Vibrações da UFRJ, foram medidos sinais de vibração em um mancal específico. As condições de funcionamento da máquina foram alteradas trocando o rolamento que funcionava de forma padrão, por um rolamento defeituoso. Os sinais foram medidos utilizando acelerômetros. Com o auxílio do software LabVIEW, através do segmento Signal Express, pertencente a National Instruments, foi possível a visualização e exportação dos dados para um formato que pudesse ser tratado pelo softwareMATLAB. Os dados foram divididos em pacotes de amostras menores, as quais foram extraídas características estatísticas que foram utilizadas como parâmetros de entrada da rede neural. A Rede neural artificial escolhida foi uma rede multicamada com retropropagação e alimentação direta. Foram experimentadas diferentes configurações da rede variando a quantidade de camadas ocultas, o número de neurônios nas camadas ocultas e o método de treinamento.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Escola Politécnica	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS::ENGENHARIA MECANICA	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Engenharia Mecânica

Files in This Item:

File	Description	Size	Format
monopoli10008432.pdf		1.7 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository