Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Guerra, Victor Nicodemos |
| Orientador(a): |
Monteiro, Ulisses Admar Barbosa Vicente |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio de Janeiro (UFRJ)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.repositorio.mar.mil.br/handle/ripcmb/846396
|
Resumo: |
Este trabalho apresenta uma metodologia de diagnóstico de falhas de ignição em um motor Diesel, por meio de técnicas de Aprendizado de Máquinas (AM), com utilização de sinais de vibração. Além disso, estudou-se a quantidade mínima necessária de acelerômetros que permita que os algoritmos de AM mantenham um bom desempenho para diagnóstico de falhas. O banco de dados utilizado neste estudo é composto por sinais de vibração obtidos por meio de 15 acelerômetros instalados no motor. Três algoritmos de AM foram utilizados neste trabalho: k-Nearest Neighbors (K-NN), Random Forest (RF) e Support Vector Machines (SVM). Os resultados mostraram que estes algoritmos foram capazes de obter um F1-Score de 99,87%, 99,87% e 100%, respectivamente, para detecção e identificação de falhas de ignição. Quanto ao estudo que visa a redução do número de sensores, foram utilizados os métodos Relief-F e análise combinatória geral, com o segundo sendo capaz de mostrar que, com dois acelerômetros, foi possível alcançar um desempenho com F1- Score acima de 95%, que é o mínimo requerido, o que comprova a eficiência da metodologia utilizada neste estudo. |
