Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9489
Type: Dissertação
Title: Uso de técnicas de aprendizado de máquina para previsão de falhas em turbogeradores
Author(s)/Inventor(s): Carvalho, Gustavo Luís Almeida de
Advisor: Lima Netto, Sergio
Co-advisor: Lima, Amaro Azevedo de
Abstract: Na indústria, a capacidade de detecção de anomalias nas condições operacionais é de grande interesse. Se identificadas com a antecedência adequada, as intervenções de manutenção podem ser planejadas sob demanda, o que determina um programa de manutenção baseada em condição. Com o aumento da quantidade de dados adquiridos para supervisão e do poder computacional para processamento, o desenvolvimento de técnicas de aprendizado de máquina pode auxiliar na detecção de condições de operação que indiquem necessidade de manutenção. Nesta dissertação, a aplicação destas técnicas é estudada para permitir a identificação de falhas em partidas de turbogeradores. Apresentam-se metodologias para o tratamento dos bancos de dados de operação, para a seleção de variáveis e para o levantamento de características que representem os casos operacionais adequadamente. Classificadores são projetados a partir destes dados e comparados entre si para avaliar a eficácia destes métodos.
Abstract: In the industry, anomaly detection capability under the operating conditions is of great interest. If identi ed well in advance, maintenance interventions can be planned on demand, which determines a condition based maintenance. With the increase of the amount of data acquired for supervision and of the computational power for processing, the development of machine learning techniques can aid in the detection of operating conditions that indicate maintenance needs. In this dissertation, such techniques are applied to allow the identi cation of failures in turbo generators. Methodologies are presented for the treatment of the operation databases, for the selection of variables and for the identi cation of characteristics that represent the operational cases properly. Classi ers are designed with this data and compared to each other to evaluate the e ectiveness of these methods.
Keywords: Engenharia elétrica
Turbogeradores : previsão de falhas
Subject CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Program: Programa de Pós-Graduação em Engenharia Elétrica
Department : Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: Mar-2018
Publisher country: Brasil
Language: por
Right access: Acesso Aberto
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
882220.pdf1,29 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.