ESTUDO COMPARATIVO ENTRE SVM E RNA NO RECONHECIMENTO DE DEFEITO EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS

Tamanho: px
Começar a partir da página:

Download "ESTUDO COMPARATIVO ENTRE SVM E RNA NO RECONHECIMENTO DE DEFEITO EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS"

Transcrição

1 ESTUDO COMPARATIVO ENTRE SVM E RNA NO RECONHECIMENTO DE DEFEITO EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS RODRIGO HENRIQUE CUNHA PALÁCIOS, IVAN NUNES DA SILVA, WAGNER FONTES GODOY Departamento de Engenharia Elétrica, Escola de Engenharia de São Carlos, Laboratório de Automação Inteligente de Processos e Sistemas, Universidade de São Paulo, São Carlos, São Paulo ALESSANDRO GOEDTEL, WYLLIAM SALVIANO GONGORA, TIAGO DRUMMOND LOPES Departamento de Engenharia Elétrica, Centro Integrado de Pesquisa em Controle e Automação, Universidade Tecnológica Federal do Paraná, Cornélio Procópio, Paraná Abstract One of the most important elements of electromechanical power conversion in industrial processes, the three phase induction motor is constantly subject of research aiming to reduce maintenance rates and also unscheduled downtime in the process. Great part of the defects in these motors occurs in the bearing. Hence, the use of intelligent systems capable of predicting faults in electric motors has been widely addressed. Thus, the purpose of this work is to present a comparative implementation study of SVM (Support Vector Machine) and ANN (Artificial Neural Network) as pattern classifiers, to identify bearing outside lane fault, by using current and voltage signals in the time domain to determine the accuracy rate and processing time. Experimental results are presented to validate the proposal. Keywords Three-Phase Induction Motors, Pattern Recognition, Intelligent Systems, SVM, ANN Resumo Um dos mais importantes elementos de conversão eletromecânica de energia nos processos industriais, o motor de indução trifásico é constantemente alvo de pesquisas para diminuir as taxas de manutenções e paradas não programadas no processo. Grande parte dos defeitos em motores ocorre em rolamentos. A utilização de sistemas inteligentes capazes de predizer os defeitos nos motores elétricos tem sido amplamente abordada nesse sentido. Assim, a proposta desse trabalho consiste em apresentar um estudo comparativo de aplicação entre SVM (Support Vector Machine) e RNA (Rede Neural Artificial) para identificar defeito de pista externa em rolamentos, como classificadores de padrões, utilizando dados de corrente e tensão de motores de indução trifásicos, no domínio do tempo, para determinar a taxa de acurácia e tempos de processamento. Resultados experimentais são apresentados para validar a proposta. Palavras-chave Motores de Indução Trifásicos, Reconhecimento de Padrões, Sistemas Inteligentes, SVM, RNA. 1 Introdução O motor de indução trifásico (MIT) é amplamente empregado em ambientes industriais e cada vez mais as empresas estão preocupadas em obter o maior proveito dos seus motores. Assim, buscam-se soluções que possam maximizar a eficiência energética e reduzir os custos com manutenções, bem com as paradas não programadas em suas linhas de produção. Muitas técnicas podem ser empregadas para detecção de defeitos, como por exemplo, a manutenção preditiva. Esta metodologia permite avaliar as condições reais de operação da máquina utilizando dados coletados diretamente do equipamento. Alguns indícios podem ser percebidos quando um motor começa a apresentar defeitos como: mudanças nos sinais associados às vibrações mecânicas, variação na temperatura de operação, ruídos audíveis e alterações no campo eletromagnético, dentre outros. Assim, a análise dos referidos indícios auxiliam na detecção de defeitos quando estão ainda em fase de evolução. Desta forma, o engenheiro de manutenção pode planejar uma ação corretiva e minimizar os impactos no processo produtivo (Araújo et al., 2010). Os sistemas inteligentes baseados em Redes Neurais Artificiais (RNA), Lógica Fuzzy (LF) e Sistemas Híbridos (SH) estão sendo empregados na identificação e resolução de diversos problemas relacionados ao controle e acionamento de máquinas elétricas. Estas estratégias são capazes de classificar e determinar a origem de defeitos ainda em evolução (Santos et al., 2011; Sayouti et al., 2011; Ghate and Dudul, 2009; Seera, 2012). Um exemplo do uso de sistemas inteligentes é o ambiente WEKA (Waikato Environment for Knowledge Analysis) (Hall et al., 2009), criado pela Universidade de Waikato, Nova Zelândia, que possui vários algoritmos implementados que ajudam na resolução de problemas envolvendo classificação, mineração de dados e sistemas de aprendizagem. Neste trabalho, o WEKA é usado como uma ferramenta para reconhecer defeitos em rolamentos de motores de indução trifásicos baseados nos métodos de classificação SVM (Support Vector Machine) e RNA (Rede Neural Artificial), com análise dos sinais de corrente (I) e tensão (V) no domínio do tempo. Os dados de entrada para os algoritmos de a- prendizagem são constituídos de medições do sinal de tensão e corrente em meio ciclo de onda. Estes sinais são discretizados e normalizados, em ensaios 3013

2 de 50 pontos para cada valor das tensões V a, V b, V c e 50 pontos para os valores das correntes I a, I b, I c. A saída consiste num valor binário para indicar os defeitos no rolamento ou condição normal de funcionamento do MIT. Assim, é possível analisar a taxa de acurácia dos algoritmos de aprendizagem e reconhecer um padrão para prever a condição de possíveis defeitos dos rolamentos dos motores. Este trabalho está dividido da seguinte forma: na Seção 2, são discutidos alguns aspectos relacionados às Falhas em MITs. Na Seção 3, as principais características de SVM e RNA são apresentadas. Na Seção 4, a metodologia da preparação dos dados e uso de laboratório são demonstrados. Na Seção 5, são apresentados os resultados experimentais. Enfim, na Seção 6, são realizadas as conclusões do trabalho. motor. Outro fator refere-se às pulsações de conjugado causadas pela existência de harmônicos de baixa ordem na alimentação ou relativas a possíveis barras quebradas. Na Figura 1 é apresentado um gráfico comparativo entre os diversos tipos de falhas, conforme os estudos encomendados pelas agências IEEE (Institute of Electrical and Electronics Engineers) e EPRI (Electric Power Research Institute). IEEE EPRI 2 Falhas no MIT O monitoramento das condições de operação de um MIT em uma indústria é uma tarefa muito importante e possibilita o diagnóstico de defeitos e previsão das suas condições de operação. Esse tema tem atraído a atenção de vários pesquisadores durante os últimos anos. Tal fato se deve à considerável influência dos motores sobre a continuidade operacional dos processos industriais (Bellini et al., 2008). A detecção e o correto diagnóstico precoce dos defeitos incipientes permitem minimizar a ocorrência de danos ao processo, aumento da disponibilidade dos equipamentos e consequente manutenção dos resultados financeiros. Os motores elétricos estão sujeitos a vários tipos de defeitos, que podem ser divididos em dois grupos distintos: defeitos elétricos e defeitos mecânicos (Bellini et al., 2008). A Tabela 1 apresenta a classificação dos principais tipos de defeitos em MIT. Tabela 1. Principais tipos de defeitos em MIT Defeitos Elétricos Enrolamento de estator Enrolamento de rotor Barras quebradas Anéis quebrados Conexões Defeitos Mecânicos Desgaste de acoplamento Desalinhamento Excentricidade Rolamento Dos defeitos citados na literatura, estima-se que os rolamentos são responsáveis por aproximadamente 40% das paradas indesejadas dos MIT (Kowalski and Kowalska., 2003). O escopo deste trabalho aborda somente os defeitos relativos à pista externa de rolamentos. De acordo com Araújo et. al. (2010), a deterioração de rolamentos também pode ocorrer em função das correntes de modo comum que circulam pelos mesmos devido à carga eletrostática induzida no eixo do Figura 1. Percentual de ocorrência de falhas em MIT Métodos tradicionais consideram o monitoramento da temperatura e vibração dos rolamentos, visando estimar suas condições de operação. No entanto, o custo de sensores para monitoramento de vibrações, associados aos dispositivos de processamento de sinais, restringem sua utilização em máquinas de pequeno porte. Contudo, métodos alternativos, baseados em inteligência computacional, estão cada vez mais sendo pesquisados para a identificação de defeitos em MIT. 3 Aspectos sobre SVM e RNA Os agentes classificadores são métodos computacionais supervisionados que têm por objetivo criar um modelo que prevê a classe de um determinado conjunto de dados baseando-se em conjunto de dados pré-estabelecidos (Serasiya and Chaudhary, 2012). Neste trabalho, são utilizados RNA com a arquitetura PMC (Perceptron de Múltiplas Camadas) e SVM, a fim de verificar a acurácia dos modelos e os respectivos tempos de construção e validação do modelo. 3.1 SVM SVM são sistemas de aprendizagem de máquina treinados com um algoritmo de otimização matemática e que implementam um limite derivado da teoria de aprendizagem estatística. Essa estratégia de aprendizagem foi desenvolvida por Vladmir Vapnik (Vapnik, 1999). O treinamento de SVM envolve a otimização de uma função quadrática convexa, que é um problema 3014

3 de otimização matemática e envolve poucos parâmetros livres que precisam ser ajustados pelo usuário e não há uma dependência, pelos menos de uma forma explícita, na dimensão do espaço de entrada do problema, isso sugere que o SVM pode ser útil em problemas com um grande número de entradas, conforme se pode observar no trabalho proposto. Essa técnica pode ser aplicada ao reconhecimento de padrões (estimar funções indicadores), regressão (estimar funções de valores reais) e extração de características. O processo decisório em problemas de reconhecimento de padrões pode ser realizado através de funções que dividem o espaço de características em regiões. Uma das formas de fazer esta separação é por meio de hiperplanos. A ideia inicial básica do SVM é mapear os dados de entrada em um espaço de características por meio de um mapa não linear. No espaço de características, a função de decisão linear é construída. Assumindo um conjunto de dados S onde = 1 2, ( ). (7) Este deve ser maximizado com respeito ao sujeito à restrição seguinte, 0. (8) =0 (=1,,). (1) Cada ponto pertence a duas classes e é dado um rótulo {1, 1}. Dado uma função não linear ( ) para mapear os dados de amostra, a partir do espaço, as características espaço F. Então o hiperplano ( ())+ separa os dados, de acordo com a Equação (2), ()=[ ()+], (2) onde é o vetor ortogonal ao hiperplano e é o deslocamento do hiperplano a partir da origem. O hiperplano tenderá a uma separação, com o menor erro de generalização. Para maximizar a margem da tarefa tem-se a Equação (3), ()= ( ), (3) sujeito a Equação (2). Na Figura 2 são ilustrados os hiperplanos de suporte e o hiperplano ótimo representando a separação de amostras em duas classes distintas. Usando o método dos multiplicadores de Lagrange, este problema de otimização pode ser convertido conforme apresentado na Equação (4), = ( ) ( ( ( )+) 1), (4) onde são os multiplicadores Lagrangeanos. As derivadas de e são dadas pelas seguintes Equações (5) e (6), = =0 (5) ( ) =0. (6) Substituindo as Equações (5) e (6) na Equação (4), tem-se, Figura 2. Hiperplano de separação ótimo na linha amarela centralizada com seus hiperplanos de suporte em linha tracejada. Quando a máxima margem do hiperplano é encontrada, apenas os pontos que se encontram mais próximo do hiperplano tem 0 e estes pontos são chamados de vetores de suporte e todos os outros pontos têm =0. Isto significa que a representação do hiperplano é dada apenas pelos pontos mais próximos a ele e que são os padrões mais significativos dos dados. A função de decisão resultante é dada pela Equação (9), = ( ) ()+, (9) onde é a solução da restrição do problema de maximização, é o deslocamento do hiperplano a partir da origem após a solução da restrição do problema e SV representa os índices dos vetores de suporte. A Equação (9) também pode ser escrita conforme a Equação (10), = (, ) +. (10) No caso, em que os dados de treinamento não podem ser linearmente separados, variáveis de folga não negativos ℵ são introduzidos em condições de desigualdade e a soma das variáveis de folga multiplicado pelo parâmetro é adicionada na função objetivo. Isto corresponde a adição da fronteira superior com o elemento. A otimização do problema é realizada conforme demonstrada na Equação (11), min = + ℵ. (11) 3015

4 A Equação (11) pode ser transformada de acordo com a Equação (12), max (α)= α α, α y y (x,x ) 3.1 RNA.. α =0 α 0. (12) 0 α Os sistemas baseados em RNA possuem elevadas taxas de computação por utilizarem um número elevado de elementos processadores simples massivamente conectados. Em resumo, as RNA's podem ser caracterizadas como modelos computacionais, com propriedades particulares, cujas principais características são definidas como segue: (i) capacidade intrínseca de operação em paralelo; (ii) não há a necessidade de conhecimento a priori de eventuais modelos matemáticos que descrevem o comportamento de determinada aplicação; (iii) sistemas inspirados no cérebro humano; (iv) habilidade de aprender a partir da experiência. As redes PMC possuem os mesmos princípios proposto por Rosenblatt (1958), com a diferenciação que apresentam uma ou mais camadas intermediárias, conhecidas como camadas escondidas. A estrutura apresentada na Figura 3 é proposta em uma grande diversidade de aplicações e pode ser utilizada como aproximador universal de função, classificação de padrões, identificação de sistemas, otimização, controle de processos entre outros (Haykin, 2001). Também se define que seu treinamento é realizado de forma supervisionada, fazendo com que a rede ajuste seus pesos para melhor atender os objetivos da aplicação. Figura 3. Arquitetura da rede neural artificial PMC (Silva, Spatti e Flauzino, 2010) Para um melhor entendimento do principio de funcionamento envolvido com o algoritmo backpropagation, faz-se necessário definir diversas variáveis e parâmetros auxiliares que norteiam a derivação do algoritmo, como segue: - W () são matrizes de pesos cujos elementos denotam o valor do peso sináptico conectando ao j- ésimo neurônio da camada (L) ao i-ésimo neurônio da camada (L-1). - I () são vetores cujo os elementos denotam a entrada ponderada em relação ao j-ésimo neurônio da camada L, os quais são definidos pela Equações (11), (12) e (13), I () = () W.x I () = W (),.x +W (),.x + +W, I () () = W.Y () I () ().x = W (),.Y () +W (),.Y () + +W, I () () = W.Y () I () = W (),.Y () +W (),.Y () + +W, () ().Y () ().Y (11) (12) (13) - Y () são vetores cujo os elementos denotam a saída do j-ésimo neurônio em relação a camada L, os quais são definidos pelas Equações (14), (15) e (16) que seguem, Y () =g(i () ) (14) Y () =g(i () ) (15) Y () =gi (), (16) onde g representa uma função de ativação que deve ser contínua e diferenciável em todo o seu domínio. A partir da Figura 3, observa-se que os nós da camada de entrada da rede fornecem as informações (vetores de entrada), as quais constituem os sinais de entrada, que são aplicados aos neurônios da segunda camada (1ª camada neural). Os sinais de saída da segunda camada são utilizados como entradas para a terceira camada (2ª camada neural). Finalmente, o conjunto de sinais de saída apresentados pelos neurônios da camada de saída reflete a resposta final da rede em relação ao vetor de entrada fornecido pelos nós fontes da primeira camada. O treinamento ou processo de aprendizagem de uma rede neural artificial consiste em ajustar os pesos sinápticos (matriz de pesos W) de forma que a aplicação de um conjunto de entradas produza um conjunto de saídas desejadas. O treinamento supervisionado das RNA que formam a rede Perceptron utilizadas neste trabalho é baseado no algoritmo de aprendizagem backpropagation (Haykin, S., 2009). As funções Erro Quadrático (E(k)) e Erro Quadrático Médio (EM) são utilizadas como critérios de desempenho e de parada do processo de treinamento. 4 Aquisição e Tratamento dos Dados Para o caso em estudo neste trabalho, as tensões e correntes foram medidas em um MIT de 1 CV do 3016

5 fabricante WEG. Este motor foi utilizado em laboratório, em perfeitas condições de operação. Para determinação de defeito, foram criadas defeitos na pista externa do rolamento para a aquisição dos dados de tensão e corrente. A Figura 4 ilustra o defeito criado em laboratório. As falhas de ranhuras presentes na pista externa ou interna do rolamento são ocasionadas pelo escorregamento da esfera na pista, por choque mecânico no eixo do motor ou rolamento ou mesmo montagem incorreta da peça no mancal do eixo. Este tipo de falha ocasiona um ponto específico de defeito na pista do rolamento. Para isso, foi realizada em laboratório a desmontagem do rolamento e a inserção da ranhura por meio da mini retífica de alta rotação. Figura 5. Método de aquisição dos dados Por meio da interface de comunicação com um computador, provida pela DAQ, as informações de sinais são recebidas e armazenadas por meio do software Matlab. A DAQ utilizada neste processo é da National Instruments modelo USB 6221, a qual dispõe de 16 entradas analógicas e permite a comunicação simplificada com o computador por meio de cabo USB. Figura 4. Falha localizada de ranhuras na pista externa A Figura 5 ilustra o método de aquisição e tratamento dos dados utilizados neste trabalho. Os dados para treinamento e validação do MIT de 1 CV, em condições normais de funcionamento e com o rolamento defeituoso, foram adquiridos através de ensaios na bancada experimental apresentada na Figura 6. Esta bancada tem como característica monitorar as grandezas de tensão, corrente, vibração, torque e velocidade de um MIT. As placas de condicionamento de sinais dos sensores Hall amplificam as tensões de fase e correntes de linha que são repassadas às entradas analógicas da placa de aquisição de dados. Conforme observada na Figura 6, esta bancada dispõe de um MIT acoplado a um gerador de corrente contínua que faz a imposição de torque no eixo da máquina. Nos detalhes da Figura 6, são mostrados os variadores de tensão independentes por fase para desbalanço de tensões (Goedtel, 2007). O motor empregado nos experimentos realizados em laboratório é da marca WEG modelo Dahlander 12 pontas com potência de 1 CV, tendo como rotação 1700 rpm para uma alimentação em 220V senoidal em 60Hz. O rolamento em análise foi o NSK 6204 com 8 esferas e a coleta do sinal da corrente de estator utilizou uma taxa de amostras por segundo. Figura 6. Bancada experimental do laboratório A bancada conta ainda com um torquímetro de dupla faixa de atuação com sensor de velocidade integrado. O dispositivo da marca Kistler, modelo 4503A50W, permite a leitura de sinais analógicos ou digitais até 50 Nm e 7000 rpm. A rotina de comunicação da placa com o computador utiliza a interface da plataforma Matlab. Assim, todos os dados das grandezas são lidos e armazenados em forma de planilhas eletrônicas. Para obter a classificação quanto ao funcionamento adequado do rolamento, foram amostrados os sinais das correntes e tensões trifásicas dos MITs em análise. Para tanto, foram separados os dados para as construções dos modelos inteligentes, conforme 3017

6 observado na Tabela 2. Salienta-se que as amostras são sinais dos MITs em regime permanente, adquiridas em ensaios na bancada experimental, com conjugado de carga variando de 0,5 a 6 Nm e com 16 combinações de desequilíbrio de tensão entre as fases, considerando o limite máximo de ±10%. Do total de 224 amostras utilizadas neste trabalho, 112 amostras estavam em condições de defeitos no rolamento do motor e 112 amostras são relativos aos sinais do motor em condições normais de funcionamento. Os dados de entrada utilizados para este trabalho são os sinais no domínio do tempo de correntes (I a,b,c ) e tensões (V a,b,c ) de uma máquina trifásica. Assim, faz-se necessário a montagem de um vetor coluna com os pontos de tensões e correntes de cada fase do sistema coletado, subsequentes um do outro. A Tabela 3 apresenta a estrutura de uma amostra, para a composição de cada amostra, considera-se 50 pontos para cada valor V a, V b, V c e 50 pontos para cada valor de corrente I a, I b, I c, correspondentes a um semiciclo de onda no domínio do tempo, conforme ilustrado na Figura 7. A última coluna da matriz representa a classe do problema (0 para motor sem defeito no rolamento e 1 para motor com defeito). Tabela 2. Divisão das amostras dos motores para tratamento, treinamento e validação Motores 1 CV Treinamento 157 Amostras Validação 67 Total 224 Foi gerado um script em Matlab para separação dos dados de treinamento do algoritmo classificador e da sua validação. O conjunto de dados de treinamento compreende de 70% do conjunto de casos disponíveis sendo que os restantes 30% são utilizados para validação. Tabela 3. Estrutura dos dados utilizados por amostra tratada V a V b V c I a I b I c Saída 1x50 1x50 1x50 1x50 1x50 1x50 0/1 O script separa no conjunto de treinamento os casos em que ocorre os máximos e mínimos de tensões e correntes a fim de garantir que todo o domínio de operação seja abrangido pelos métodos classificadores. Os demais casos são sorteados aleatoriamente para compor o arquivo de treinamento. A separação dos dados é necessária para obter um arquivo de treinamento e um arquivo de validação, conforme observado na Tabela 2, que são utilizados pela plataforma WEKA. Após os dados serem tratados pelo Matlab o script desenvolvido gera um arquivo.arff, no qual é especificamente formatado como entrada de dados para a execução dos algoritmos no WEKA, conforme quantidade de amostras demonstradas na Tabela 2. Para as duas ferramentas de classificação de padrões utilizadas neste trabalho, aplicou-se o mesmo conjunto de dados para treinamento e validação. Figura 7. Sinal Discretizado 5 Resultados Experimentais O WEKA (Waikato Environment for Knowledge Analysis) é um sistema de mineração de dados desenvolvido na Universidade de Waikato. É um ambiente de aprendizagem com muitos algoritmos de aprendizado. Os classificadores de padrões apresentados na Seção 3 são utilizados neste trabalho por meio do WEKA. Este trabalho visa investigar, baseado na problemática do assunto, qual dos métodos inteligentes se comportará melhor para a necessidade de resolução do problema em termos acurácia e tempo computacional. Para a execução das estratégias propostas neste trabalho, foram efetuadas algumas configurações específicas para o treinamento e validação, de acordo com as Tabelas 5 e 6. Na Tabela 4, o parâmetro Epsilon é relativo à taxa de erro de arrendondamento, a função kernel está relacionada à função núcleo do SVM, neste trabalho é utilizada a função Polynomial Kernel (Shashua, 2009). O parâmetro tolerância está relacionado ao limite de erro aceitável. Tabela 4. Parâmetros de configuração do SVM Parâmetros Valores Epsilon 1.0E-12 Função kernel Polynomial Kernel Parâmetro de Tolerância 0,001 Os parâmetros de configuração da RNA (PMC) estão dispostos na Tabela 5. A arquitetura e as configurações, para este trabalho, foram determinadas de forma empírica. Na Tabela 6 e na Figura 8 é mostrado o tempo de execução dos algoritmos, tanto na construção dos modelos quanto na execução da validação, o tempo apurado é mostrado em segundos. Pode-se observar que nos casos estudados, o algoritmo que obteve uma execução mais rápida foi o SVM, com 0,03 segundos, na validação dos dados amostrados e 7,89 segundos na construção do modelo. A RNA demonstrou demasiado tempo computacional na construção do modelo, com 211,61 segundos e obteve uma taxa de validação inferior ao SVM com 0,41 segundos. 3018

7 Tabela 5. Parâmetros de configuração da RNA Parâmetros Valores Camadas ocultas 1 Função de ativação das camadas intermediárias Tangente Hiperbólica Função de ativação da camada de saída Linear Número de entradas 300 Neurônios da camada oculta 150 Neurônios da camada de saída 1 Taxa de aprendizado 0,3 Termo momentun 0,2 Número de épocas 500 Tabela 6. Tempo de execução dos algoritmos Algoritmo Tempo de Tempo necessário construção do modelo para a validação RNA 211,61 0,41 SVM 7,89 0,03 Na Tabela 7 e na Figura 9 são apresentados a taxa de acurácia dos algoritmos e alguns índices estatísticos. Neste estudo, foram obtidos resultados promissores, baseados nas 67 amostras validadas. A RNA apresentou a melhor acurácia com 98,50 %, ou seja, 66 amostras foram corretamente classificadas. O algoritmo SVM, apesar de apresentar os melhores tempos computacionais, demonstrou uma acurácia de 95,52 %, ou seja, 64 amostras foram corretamente classificadas. Tabela 7. Acurácia e estatística dos algoritmos Algoritmo Acurácia % Estatística Erro Absoluto Kappa Médio RNA 98,50 0, SVM 95,52 0, Um índice importante na análise dos resultados está relacionado à estatística Kappa, que é uma medida de concordância interobservador e mede o grau de concordância além do que seria esperado tão somente pelo acaso (Landis e Koch, 1977). Esta medida de concordância tem como valor máximo o 1. Este valor 1 representa total concordância e os valores próximos e até abaixo de 0, indicam nenhuma concordância, conforme apresentado na Tabela 8 (Landis e Koch, 1977). Neste caso, ambos os algoritmos apresentaram ótima concordância com os resultados obtidos nas validações. Em relação ao erro absoluto médio, as estratégias baseadas em RNA e SVM apresentaram baixos índices com respectivamente 0,0092 e 0,0311. Tabela 8. Tabela para interpretação da estatística Kappa Valores de Kappa Interpretação <0 Nenhuma concordância 0 0,19 Pobre concordância 0,20 0,39 Fraca concordância 0,40 0,59 Moderada concordância 0,60 0,79 Substancial concordância 0,80 1,00 Perfeita concordância Figura 8. Gráfico comparativo do tempo de construção e validação dos algoritmos avaliados 99,50 99,0 98,50 98,0 97,50 97,0 RNA RNA SVM Figura 9. Gráfico comparativo da acurácia entre os algoritmos avaliados 6 Conclusão Por meio da análise dos resultados obtidos pelos algoritmos na plataforma WEKA, pode-se observar que estes se mostraram promissores para determinação de defeitos em rolamentos a partir de dados de corrente e tensão dos motores de indução trifásicos no domínio do tempo. A RNA possui a melhor relação de tempo de execução e acurácia, a qual obteve uma taxa de acerto de 98,50 %, embora exija um maior custo computacional em relação ao algoritmo SVM. Contudo, dependendo do tipo de aplicação e necessidade de resposta em menor tempo, pode-se optar pela utilização do SVM. Entretanto, ambos os algoritmos se mostraram eficientes na validação. O diagnóstico correto e precoce de defeitos incipientes em motores, através das estratégias testadas neste trabalho, permite minimizar a ocorrência de danos ao processo. Com isso, ocorre o aumento da disponibilidade dos equipamentos e a possível redução de custos com manutenção. Agradecimentos SVM Tempo de construção do modelo Tempo necessário para o teste Os autores agradecem as contribuições do CNPq (Processo /2011-5) e FAPESP (Processo 2011/ ) pelo apoio financeiro para o desenvolvimento desta pesquisa. 3019

8 Referências Bibliográficas Araújo, R. S., Rodrigues, R., Paula, H. e Baccarini, L. (2010). Desgaste prematuro e falhas recorrentes dos rolamentos de um MIT: Estudo de caso, IndustryApplications (INDUSCON), 9th IEEE/IAS InternationalConferenceon, pp Bellini, A., Filippetti, F., Tassoni, C., Capolino, G. A. (2008). Advances in diagnostic techniques for induction machines. IEEE Transactions on Industrial Eletronics, vol. 55, nº 12, pp Ghate, V., Dudul, S. (2009). Fault diagnosis of three phase induction motor using neural network techniques, Emerging Trends in Engineering and Technology (ICETET), 2nd International Conference on, pp Goedtel, A. (2007). Estimador Neural de Velocidade para Motores de Indução Trifásico. 159 p. Tese (Doutorado) Escola de Engenharia de São Carlos - Universidade de São Paulo, São Carlos-SP. using motor current signature analysis and a hybrid fmm - cart model, Neural Networks and Learning Systems, IEEE Transactions on 23(1): pp Serasiya, S. D., Chaudhary, N. (2012). Simulation of Various Classifications Results using WEKA. International Journal of Recent Technology and Engineering (IJRTE), vol. 1, nº13, pp Shashua, Amnon (2009). Introduction to Machine Learning: Class Notes 67577, Corr, vol. abs/ Silva, I. N., Spatti, D. H. e Flauzino, R. A. (2010). Redes Neurais Artificiais para engenharia e ciências aplicadas, 1ª edição, São Paulo: Artliber. Vapnik VN (1995) The Nature of Statistical Learning Theory. Springer-Verlag New York, Inc., New York, NY, USA Haykin, S. (2009). Neural Networks and Learnig Machines. Prentice Hall. Hall, Mark; Frank, Eibe; Holmes, Geoffrey; Pfahringer, Bernhard; Reutemann, Peter; Witten, Ian H. (2009). The WEKA Data Mining Software: An Update; SIGKDD Explorations, Volume 11, Issue 1. Kowalski, C. T. e Orlowska-Kowalska, T. (2003). Neural networks application for induction motor faults diagnosis, Mathematics and Computers in Simulation 63(3-5): pp Landis, J. Richard e Koch, Gary G. (1977). The Measurement of Observer Agreement for Categorical Data, International Biometric Society, Vol. 33, N. 1, pp Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain, Phisicological Review 65(3): Santos, T. H., Goedtel, A., Silva, S. e Suetake, M. (2011). A neural speed estimator in threephase induction motors powered by a driver with scalar control, Power Electronics Conference (COBEP), Brazilian, pp Sayouti, Y., Abbou, A., Akherraz, M. e Mahmoudi, H. (2011). Sensor less low speed control with annmras for direct torque controlled induction motor drive, Power Engineering, Energy and Electrical Drives (POWERENG), International Conference on, pp Seera, M., Lim, C. P., Ishak, D. e Singh, H. (2012). Fault detection and diagnosis of induction motors 3020

CLASSIFICAÇÃO DE FALHAS EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS UTILIZANDO REDES NEURAIS ARTIFICIAIS

CLASSIFICAÇÃO DE FALHAS EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS UTILIZANDO REDES NEURAIS ARTIFICIAIS CLASSIFICAÇÃO DE FALHAS EM ROLAMENTOS DE MOTORES DE INDUÇÃO TRIFÁSICOS UTILIZANDO REDES NEURAIS ARTIFICIAIS WAGNER FONTES GODOY 1, IVAN NUNES DA SILVA 2, WYLLIAM SALVIANO GONGORA 3, ALESSANDRO GOEDTEL

Leia mais

ANÁLISE DA QUALIDADE DA ENERGIA ELÉTRICA EM CONVERSORES DE FREQUENCIA

ANÁLISE DA QUALIDADE DA ENERGIA ELÉTRICA EM CONVERSORES DE FREQUENCIA ANÁLISE DA QUALIDADE DA ENERGIA ELÉTRICA EM CONVERSORES DE FREQUENCIA Nome dos autores: Halison Helder Falcão Lopes 1 ; Sergio Manuel Rivera Sanhueza 2 ; 1 Aluno do Curso de Engenharia Elétrica; Campus

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

Eletrônicos PAE. Componente Curricular: Práticas de Acionamentos. 5.ª Prática Inversor de Frequência Vetorial da WEG CFW-08

Eletrônicos PAE. Componente Curricular: Práticas de Acionamentos. 5.ª Prática Inversor de Frequência Vetorial da WEG CFW-08 1 Componente Curricular: Práticas de Acionamentos Eletrônicos PAE 5.ª Prática Inversor de Frequência Vetorial da WEG CFW-08 OBJETIVO: 1) Efetuar a programação por meio de comandos de parametrização para

Leia mais

Universidade Federal de Goiás Escola de Engenharia Elétrica e de Computação Laboratório de Máquinas Especiais

Universidade Federal de Goiás Escola de Engenharia Elétrica e de Computação Laboratório de Máquinas Especiais Aspectos Relacionados ao Acionamento e Controle de Velocidade de um Motor Linear a Relutância Variável. MARIANO, Rodrigo Leandro; SANTOS, Euler Bueno. Universidade Federal de Goiás Escola de Engenharia

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

ESTUDO SOBRE CONTROLE DE MOTORES DE INDUÇÃO TRIFÁSICOS

ESTUDO SOBRE CONTROLE DE MOTORES DE INDUÇÃO TRIFÁSICOS ESTUDO SOBRE CONTROLE DE MOTORES DE INDUÇÃO TRIFÁSICOS Autores : Marina PADILHA, Tiago DEQUIGIOVANI. Identificação autores: Engenharia de Controle e Automação - Bolsista Interno; Orientador IFC - Campus

Leia mais

ANALISE DE CORRENTE ELÉTRICA

ANALISE DE CORRENTE ELÉTRICA ANALISE DE CORRENTE ELÉTRICA 1. INTRODUÇÃO A manutenção preditiva tem sido largamente discutida nos últimos anos, e sem dúvida é um procedimento moderno de gerenciamento, que comprovadamente vem diminuindo

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

1. Introdução 2. Séries Temporais

1. Introdução 2. Séries Temporais 1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

Laboratório de Conversão Eletromecânica de Energia B

Laboratório de Conversão Eletromecânica de Energia B Laboratório de Conversão Eletromecânica de Energia B Prof a. Katia C. de Almeida 1 Obtenção Experimental dos Parâmetros do Circuito Equivalente do Motor de Indução Monofásico 1.1 Introdução 1.1.1 Motores

Leia mais

8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007

8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007 8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Cusco, 23 a 25 de Outubro de 2007 UTILIZAÇÃO DA LÓGICA NEBULOSA PARA DETECÇÃO DEFEITOS EM MOTORES DE INDUÇÃO TRIFÁSICOS Filho, P. C. M. L. *, Pederiva

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

A APLICAÇÃO DA TÉCNICA DE ANÁLISE DE CORRENTE PARA DETECÇÃO DE BARRAS QUEBRADAS NOS MOTORES DE INDUÇÃO TRIFÁSICOS NA ARCELORMITTAL TUBARÃO

A APLICAÇÃO DA TÉCNICA DE ANÁLISE DE CORRENTE PARA DETECÇÃO DE BARRAS QUEBRADAS NOS MOTORES DE INDUÇÃO TRIFÁSICOS NA ARCELORMITTAL TUBARÃO A APLICAÇÃO DA TÉCNICA DE ANÁLISE DE CORRENTE PARA DETECÇÃO DE BARRAS QUEBRADAS NOS MOTORES DE INDUÇÃO TRIFÁSICOS NA ARCELORMITTAL TUBARÃO Harison Araújo Antunes (1) Rogério Hubner Rocha (2) Jessui de

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES 16º POSMEC Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES Tatiana Meola Universidade Federal de Uberlândia tatiana.meola@gmail.com

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais

IN0997 - Redes Neurais

IN0997 - Redes Neurais IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO LUCAS H. S. DE ANDRADE 1, CRISTIANO M. AGULHARI 1, ALESSANDRO GOEDTEL 2 1. Laboratório de Controle e Automação de Sistemas, Universidade Tecnológica Federal

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

UNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO

UNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!

Leia mais

Comunicação de dados entre um Amplificador Lock-in e um Monocromador Cornerstone utilizando o DataSocket do LabVIEW

Comunicação de dados entre um Amplificador Lock-in e um Monocromador Cornerstone utilizando o DataSocket do LabVIEW Comunicação de dados entre um Amplificador Lock-in e um Monocromador Cornerstone utilizando o DataSocket do LabVIEW Julyanne Silva Cunha 1 ; Francisco Aurilo Azevedo Pinho 2 1 Aluna do Curso de Física;

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo 1 Introdução A atual regulamentação do setor elétrico brasileiro, decorrente de sua reestruturação na última década, exige das empresas o cumprimento de requisitos de disponibilidade e confiabilidade operativa

Leia mais

REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA

REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA Pedro Henrique da S. PALHARES 1, Leonardo da C. BRITO 1,

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

Objetivos. Medição em Máquinas Rotativas. Avaliação Dielétrica Set 2012. de Equipamentos de Alta Tensão com base nas Descargas Parciais

Objetivos. Medição em Máquinas Rotativas. Avaliação Dielétrica Set 2012. de Equipamentos de Alta Tensão com base nas Descargas Parciais Centro de Pesquisas de Energia Elétrica Avaliação Dielétrica de Equipamentos de Alta Tensão com base nas Descargas Parciais Medição em Máquinas Rotativas Apresentador: Alain F. S. Levy Objetivos A medição

Leia mais

Redes Neurais. A IA clássica segue o paradigma da computação simbólica

Redes Neurais. A IA clássica segue o paradigma da computação simbólica Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência

Leia mais

ESTIMADOR NEURAL DA VELOCIDADE DO MIT ACIONADO POR UM DRIVER COM CONTROLE VETORIAL ORIENTADO PELO FLUXO DO ESTATOR

ESTIMADOR NEURAL DA VELOCIDADE DO MIT ACIONADO POR UM DRIVER COM CONTROLE VETORIAL ORIENTADO PELO FLUXO DO ESTATOR ESTIMADOR NEURAL DA VELOCIDADE DO MIT ACIONADO POR UM DRIVER COM CONTROLE VETORIAL ORIENTADO PELO FLUXO DO ESTATOR TIAGO H. DOS SANTOS 1, IVAN NUNES DA SILVA 2, ALESSANDRO GOEDTEL 3, MARCELO FAVORETO CASTOLDI

Leia mais

MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE.

MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE. 1 MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE. Márcio Tadeu de Almeida. D.Eng. Professor da Escola Federal de Engenharia de Itajubá. Consultor em Monitoramento de Máquinas pela MTA. Itajubá - MG

Leia mais

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

Motores de tração em corrente alternada: Estudo do desempenho na CPTM. Introdução

Motores de tração em corrente alternada: Estudo do desempenho na CPTM. Introdução Motores de tração em corrente alternada: Estudo do desempenho na CPTM Introdução Os motores de tração são os equipamentos responsáveis pela propulsão dos trens. Sua falha implica na diminuição do desempenho

Leia mais

Curso de Redes Neurais utilizando o MATLAB

Curso de Redes Neurais utilizando o MATLAB Curso de Redes Neurais utilizando o MATLAB Victoria Yukie Matsunaga Belém-Pará-Brasil 2012 Esta apostila tem como principal objetivo fornecer um material de auxílio ao Curso de Redes Neurais utilizando

Leia mais

Palavras-chave: turbina eólica, gerador eólico, energia sustentável.

Palavras-chave: turbina eólica, gerador eólico, energia sustentável. Implementação do modelo de uma turbina eólica baseado no controle de torque do motor cc utilizando ambiente matlab/simulink via arduino Vítor Trannin Vinholi Moreira (UTFPR) E-mail: vitor_tvm@hotmail.com

Leia mais

Levantamento da Característica de Magnetização do Gerador de Corrente Contínua

Levantamento da Característica de Magnetização do Gerador de Corrente Contínua Experiência IV Levantamento da Característica de Magnetização do Gerador de Corrente Contínua 1. Introdução A máquina de corrente contínua de fabricação ANEL que será usada nesta experiência é a mostrada

Leia mais

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes 1 Estudos para ização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Resumo--

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

TÍTULO: SIMULAÇÃO DE METODOLOGIA BASEADA EM REDES DE KOHONEN PARA IDENTIFICAÇÃO DE CORRENTES DE INRUSH NA PROTEÇÃO DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: SIMULAÇÃO DE METODOLOGIA BASEADA EM REDES DE KOHONEN PARA IDENTIFICAÇÃO DE CORRENTES DE INRUSH NA PROTEÇÃO DE TRANSFORMADORES DE POTÊNCIA TÍTULO: SIMULAÇÃO DE METODOLOGIA BASEADA EM REDES DE KOHONEN PARA IDENTIFICAÇÃO DE CORRENTES DE INRUSH NA PROTEÇÃO DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA:

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

A experiência do TECPAR

A experiência do TECPAR Inteligência Artificial em aplicações industriais A experiência do TECPAR Dr. Eng. Milton Pires Ramos Centro de Engenharia de Sistemas Inteligentes Empresa pública vinculada à Secretaria de Estado da Ciência,

Leia mais

SVM Support Vector Machine

SVM Support Vector Machine SVM Support Vector Machine Ø Introduction Ø Application to Indoor Localization (MLP x LVQ x SVM) Laboratório de Automação e Robótica - A. Bauchspiess Soft Computing - Neural Networks and Fuzzy Logic SVM

Leia mais

Controlo de Condição de Motores Eléctricos de Indução Trifásicos. Controlo de Condição de Motores Eléctricos de Indução Trifásicos

Controlo de Condição de Motores Eléctricos de Indução Trifásicos. Controlo de Condição de Motores Eléctricos de Indução Trifásicos Por: António Afonso Roque Data: 30 de Abril de 2010 Slide 1 (Análise de Vibrações versus Análise de Corrente Eléctrica) N 4 5 3 1 2 6 5 4 S DatAnálise AntónioA.Roque*,J.M. F.Calado** ejosém. Ruiz*** *DatAnálise,

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING)

16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING) 16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING) Autor(es) OLIVEIRO LEUTWILER NETO Orientador(es) KLAUS SCHüTZER Apoio Financeiro

Leia mais

DIMENSIONAMENTO DE TRANSFORMADOR SOB CARGAS NÃO-LINEARES

DIMENSIONAMENTO DE TRANSFORMADOR SOB CARGAS NÃO-LINEARES DIMENSIONAMENTO DE TRANSFORMADOR SOB CARGAS NÃO-LINEARES Cairo Rezende dos SANTOS; Paulo César M. MACHADO; Luiz Roberto LISITA Escola de Engenharia Elétrica e de Computação UFG cairorezende@hotmail.com,

Leia mais

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering

Leia mais

DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA

DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA Gilva Altair Rossi gilva@demec.ufmg.br José Maria Galvez jmgalvez@ufmg.br Universidade

Leia mais

Título: Controle de um sistema Bola- Barra com realimentação através de imagem

Título: Controle de um sistema Bola- Barra com realimentação através de imagem Título: Controle de um sistema Bola- Barra com realimentação através de imagem Autores: Caio Felipe Favaretto, Henrique Corrêa Ramiro, Rômulo de Oliveira Souza e Marcelo Barboza Silva Professor orientador:

Leia mais

Sistemas de Força Motriz

Sistemas de Força Motriz Sistemas de Força Motriz Introdução; Os Dados de Placa; Rendimentos e Perdas; Motor de Alto Rendimento; Partidas de Motores; Técnicas de Variação de Velocidade; Exemplos; Dicas CONSUMO DE ENERGIA POR RAMO

Leia mais

ANÁLISE E DETERMINAÇÃO DAS PERDAS NO FERRO DO ESTATOR EM MOTORES DE INDUÇÃO TRIFÁSICOS

ANÁLISE E DETERMINAÇÃO DAS PERDAS NO FERRO DO ESTATOR EM MOTORES DE INDUÇÃO TRIFÁSICOS ART458-07 - CD - 6-07 - ÁG.: 1 ANÁLISE E DETERMINAÇÃO DAS ERDAS NO FERRO DO ESTATOR EM MOTORES DE INDUÇÃO TRIFÁSICOS João Roberto Cogo*, Ângelo Stano Júnior* Evandro Santos onzetto** Artigo publicado na

Leia mais

Atividades da Empresa

Atividades da Empresa Atividades da Empresa A ELsolutions atua no mercado oferecendo soluções de engenharia e montagem em equipamentos de acesso para execução de grandes obras na construção civil e manutenção de fábrica. Temos

Leia mais

INSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO SITEC2010 - Semana do Instituto de Tecnologia Aluno: Edson Adriano Maravalho Avelar Orientador: Prof. Dr. Kelvin Lopes Dias 1 Motivação Aumento

Leia mais

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Autores: Mauro Lucio Martins Eduardo Sarto

Autores: Mauro Lucio Martins Eduardo Sarto Aplicação da Preditiva on-line Como Ferramenta para o Aumento da Disponibilidade e Confiabilidade dos Equipamentos Rotativos em uma Empresado Ramo Petrolífero Autores: Mauro Lucio Martins Eduardo Sarto

Leia mais

Radar de Penetração no Solo e Meio- Ambiente

Radar de Penetração no Solo e Meio- Ambiente UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos

Leia mais

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

ANÁLISE DE FALHAS EM COMPRESSORES DE PARAFUSOS. Fabiano Ribeiro do Vale Almeida Universidade Federal de Itajubá

ANÁLISE DE FALHAS EM COMPRESSORES DE PARAFUSOS. Fabiano Ribeiro do Vale Almeida Universidade Federal de Itajubá ANÁLISE DE FALHAS EM COMPRESSORES DE PARAFUSOS Fabiano Ribeiro do Vale Almeida Universidade Federal de Itajubá Márcio Tadeu de Almeida Universidade Federal de Itajubá Trabalho apresentado na 6 a Conferência

Leia mais

IDENTIFICAÇÃO POR ESPAÇOS DE ESTADOS DE UM MÓDULO SERVO-MECANISMO DIDÁTICO

IDENTIFICAÇÃO POR ESPAÇOS DE ESTADOS DE UM MÓDULO SERVO-MECANISMO DIDÁTICO IDENTIFICAÇÃO POR ESPAÇOS DE ESTADOS DE UM MÓDULO SERVO-MECANISMO DIDÁTICO Vlademir Aparecido Freire Junior vlad_freire@hotmail.com Alessandro do Nascimento Vargas avargas@utfpr.edu.br Cristiano Marcos

Leia mais

I Seminário da Pós-graduação em Engenharia Elétrica

I Seminário da Pós-graduação em Engenharia Elétrica DESENVOLVIMENTO DE FERRAMENTAS COMPUTACIONAIS PARA ESTUDOS EM LINHAS SUBTERRÂNEAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Danilo Sinkiti Gastaldello Aluno do Programa de Pós-Graduação em Engenharia Elétrica

Leia mais

AQUISIÇÃO DE MEDIDAS DE TEMPERATURA UTILIZANDO O SOFTWARE LABVIEW

AQUISIÇÃO DE MEDIDAS DE TEMPERATURA UTILIZANDO O SOFTWARE LABVIEW AQUISIÇÃO DE MEDIDAS DE TEMPERATURA UTILIZANDO O SOFTWARE LABVIEW Leonardo Luís Schneider Simon¹, Clivado de Oliveira² UFGD-FAEN, C. Postal 533, 79804-970 Dourados-MS, E-mail: leonardo.luisimon@hotmail.com

Leia mais

Rodrigo Baleeiro Silva Engenheiro de Controle e Automação. Introdução à Engenharia de Controle e Automação

Rodrigo Baleeiro Silva Engenheiro de Controle e Automação. Introdução à Engenharia de Controle e Automação Rodrigo Baleeiro Silva Engenheiro de Controle e Automação (do latim Automatus, que significa mover-se por si) ; Uso de máquinas para controlar e executar suas tarefas quase sem interferência humana, empregando

Leia mais

Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica

Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica Marcos Geraldo S. Diretor da MGS Jánes Landre Júnior Prof. Depto. Engenharia Mecânica, PUC-Minas 1 - Introdução O setor

Leia mais

Gerenciamento de Projeto

Gerenciamento de Projeto UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Gerenciamento de Projeto Engenharia de Software 2o. Semestre/ 2005

Leia mais

V SBQEE ESTUDO, PROJETO E CONSTRUÇÃO DE UM REGISTRADOR E ANALISADOR PORTATIL DE QUALIDADE DE ENERGIA ELÉTRICA

V SBQEE ESTUDO, PROJETO E CONSTRUÇÃO DE UM REGISTRADOR E ANALISADOR PORTATIL DE QUALIDADE DE ENERGIA ELÉTRICA V SBQEE Seminário Brasileiro sobre Qualidade da Energia Elétrica 17 a 20 de Agosto de 2003 Aracaju Sergipe Brasil Código: AJU 05 102 Tópico: Sistemas de Monitoramento e Tratamento de Dados ESTUDO, PROJETO

Leia mais

ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL

ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL Macêdo, M. I. F 1, Rosa, J. L. A. 2, Gonçalves, F. 2, Boente, A. N. P. 2 1 Laboratório de Tecnologia de Materiais,

Leia mais

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO HÉLITON PANDORFI 1 IRAN JOSÉ OLIVEIRA DA SILVA 2 JEFFERSON

Leia mais

Laboratório de Conversão Eletromecânica de Energia B

Laboratório de Conversão Eletromecânica de Energia B Laboratório de Conversão Eletromecânica de Energia B Prof a. Katia C. de Almeida 1 Obtenção Experimental dos Parâmetros do Circuito Equivalente do Motor de Indução Trifásico A verificação do desempenho,

Leia mais

Dimensionamento de equipamentos reservas para subestações

Dimensionamento de equipamentos reservas para subestações XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda - Pernambuco - Brasil Dimensionamento de equipamentos reservas para subestações Leonardo Labarrere de Souza

Leia mais

Detecção de falha em compressor de parafuso através da análise de vibrações 1 - INTRODUÇÃO

Detecção de falha em compressor de parafuso através da análise de vibrações 1 - INTRODUÇÃO Detecção de falha em compressor de parafuso através da análise de vibrações 1 - INTRODUÇÃO A globalização hoje se estende no mundo em todos os seus setores e mais do que nunca na indústria mundial, seja

Leia mais

MOTORES ELÉTRICOS. Aula 1. Técnico em Eletromecânica - Julho de 2009. Prof. Dr. Emerson S. Serafim 1

MOTORES ELÉTRICOS. Aula 1. Técnico em Eletromecânica - Julho de 2009. Prof. Dr. Emerson S. Serafim 1 MOTORES ELÉTRICOS Aula 1 Técnico em Eletromecânica - Julho de 2009 Prof. Dr. Emerson S. Serafim 1 CONTEÚDO INTRODUÇÃO; 1.1 TIPOS DE MOTORES; 1.2 FATORES DE SELEÇÃO; 1.3 MOTORES DE INDUÇÃO; 1.4 MOTORES

Leia mais

6 Conclusões e Trabalhos futuros 6.1. Conclusões

6 Conclusões e Trabalhos futuros 6.1. Conclusões 6 Conclusões e Trabalhos futuros 6.1. Conclusões Neste trabalho estudou-se o comportamento do sistema que foi denominado pendulo planar com a adição de uma roda de reação na haste do pendulo composta de

Leia mais

V SBQEE COMPORTAMENTO DE GERADORES SÍNCRONOS TRIFÁSICOS ALIMENTANDO CARGAS NÃO LINEARES E DESEQUILIBRADAS. UMA ABORDAGEM ANALÍTICA E EXPERIMENTAL

V SBQEE COMPORTAMENTO DE GERADORES SÍNCRONOS TRIFÁSICOS ALIMENTANDO CARGAS NÃO LINEARES E DESEQUILIBRADAS. UMA ABORDAGEM ANALÍTICA E EXPERIMENTAL V SBQEE Seminário Brasileiro sobre Qualidade da Energia Elétrica 17 a 20 de Agosto de 2003 Aracaju Sergipe Brasil Código: AJU 03 091 Tópico: Modelagens e Simulações COMPORTAMENTO DE GERADORES SÍNCRONOS

Leia mais

Laboratório de Máquinas Elétricas Utilizando um Sistema de Aquisição de Dados

Laboratório de Máquinas Elétricas Utilizando um Sistema de Aquisição de Dados Laboratório de Máquinas Elétricas Utilizando um Sistema de Aquisição de Dados Mauricélio Alves de Sousa, Eng o Fernando Luiz Marcelo Antunes, PhD Ricardo Silva Thé Pontes, MSc Grupo de Processamento de

Leia mais

DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE PARA DIAGNÓSTICO DE FALHAS NOS ENROLAMENTOS DO ESTATOR DE MOTORES DE INDUÇÃO

DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE PARA DIAGNÓSTICO DE FALHAS NOS ENROLAMENTOS DO ESTATOR DE MOTORES DE INDUÇÃO DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE PARA DIAGNÓSTICO DE FALHAS NOS ENROLAMENTOS DO ESTATOR DE MOTORES DE INDUÇÃO VINÍCIUS SANTOS AVELAR, LANE MARIA RABELO BACCARINI, GLEISON FRANSOARES VASCONCELOS

Leia mais

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA

UNIVERSIDADE FEDERAL DE SANTA CATARINA UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL

Leia mais

PLATAFORMA VIRTUAL DO CONTROLE DIRETO DE TORQUE DE UM MOTOR DE INDUÇÃO COMO FERRAMENTA DE AUXÍLIO AO ENSINO DE MÁQUINAS ELÉTRICAS

PLATAFORMA VIRTUAL DO CONTROLE DIRETO DE TORQUE DE UM MOTOR DE INDUÇÃO COMO FERRAMENTA DE AUXÍLIO AO ENSINO DE MÁQUINAS ELÉTRICAS PLATAFORMA VIRTUAL DO CONTROLE DIRETO DE TORQUE DE UM MOTOR DE INDUÇÃO COMO FERRAMENTA DE AUXÍLIO AO ENSINO DE MÁQUINAS ELÉTRICAS William C. A. Pereira william.andrade@usp.br Manoel L. Aguiar aguiar@sc.usp.br

Leia mais

Controlo de Condição de Motores Eléctricos de Indução Trifásicos (Análise de Vibrações versus Análise de Corrente Eléctrica)

Controlo de Condição de Motores Eléctricos de Indução Trifásicos (Análise de Vibrações versus Análise de Corrente Eléctrica) Controlo de Condição de Motores Eléctricos de Indução Trifásicos (Análise de Vibrações versus Análise de Corrente Eléctrica) António A. Roque*, J. M. F. Calado** e José M. Ruiz*** *DatAnálise, Serviços

Leia mais

------------------------------------------------------------------------------ Laboratório de Vibrações Mecânicas. Aluno: Caio Mesquita Ayres

------------------------------------------------------------------------------ Laboratório de Vibrações Mecânicas. Aluno: Caio Mesquita Ayres Departamento de Engenharia Mecânica ------------------------------------------------------------------------------ Laboratório de Vibrações Mecânicas Aluno: Caio Mesquita Ayres Matricula: 0920636 DADOS

Leia mais