Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/357965
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Proposta de arquitetura de autoencoder convolucional assimétrico para a análise de imagens de vibrações
Title Alternative: Proposal for asymmetric convolutional autoencoder architecture for the analysis of vibration images
Author: Godói, Leonardo Franco de, 1995-
Advisor: Nóbrega, Eurípedes Guilherme de Oliveira, 1950-
Abstract: Resumo: 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.
Subject: Monitoramento
Máquinas-ferramenta
Inteligência artificial
Aprendizado profundo
Redes neurais (Computação)
Language: Português
Editor: [s.n.]
Citation: 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.
Date Issue: 2021
Appears in Collections:FEM - Tese e Dissertação

Files in This Item:
File SizeFormat 
Godoi_LeonardoFrancoDe_M.pdf4.11 MBAdobe PDFView/Open


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