Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
Stefenon, Stéfano Frizzo |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
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://repositorio.udesc.br/handle/UDESC/15808
|
Resumo: |
O presente trabalho apresenta um estudo sobre a aplicação de técnicas de inteligência artificial para analisara resposta do sinal ultrassônico emitido por isoladores de distribuição do tipo pino de corpo cerâmico, a fim de automatizar a classificação das condições deste componente. Isoladores de distribuição são fundamentais para manter o sistema elétrico em funcionamento, e a identificação prévia de falha pode auxiliar as concessionárias a manter a continuidade do fornecimento de energia elétrica. O objetivo geral deste trabalho é avaliar o desempenho de algoritmos baseados em redes neurais artificiais para melhorar a identificação de condições adversas em isoladores. Para isso, foram avaliados os modelos adaptive neuro fuzzy inference system, long short-term memory, group method of data handling, nonlinear autoregressive, e multilayer perceptron. Os objetivos específicos deste trabalho estão relacionados com a avaliação de técnicas combinadas com a máquina de aprendizagem extrema para obtenção do algoritmo o mais rápido e preciso o quanto possível. Desta forma, é proposto nesta tese o modelo optimized ensemble extreme learning machine (OEN-ELM) para avaliação das condições dos isoladores. O algoritmo proposto é baseado na combinação de técncias como a transformada wavelet e a principal component analysis para extração de caracretísticas com o particle swarm optimization, para otimização do classificador ensemble extreme learning machine. A partir do modelo OEN-ELM é possível identificar falhas antes que estas ocorram e se tornem irreversíveis, mantendo assim o sistema elétrico em funcionamento. A metodologia utilizada neste trabalho é do tipo quantitativa. Serão analisados os resultados do processamento dos sinais de ultrassom que foram captados em isoladores energizados, sob diversas condições controladas em laboratório. A aplicação da otimização no algoritmo de máquina de aprendizagem extrema se mostrou uma solução promissora, resultando em uma precisão de até 98,02% para classificação das condições dos isoladores. |