Defesa de Dissertação de Mestrado N.º 564 - Adalberto Gomes Teixeira Junior, em 02/07, às 09hs

postado em 1 de jul de 2015 05:42 por Franklin de Souza Ramalho   [ 1 de jul de 2015 05:44 atualizado‎(s)‎ ]
Candidato: Adalberto Gomes Teixeira Junior
Título do trabalho:
Modelagem Acústica no Auxílio ao Diagnóstico do Funcionamento de Motores de Usinas Termoelétricas

Orientador(es): Joseana Macêdo Fechine Régis de Araújo e Elmar Uwe Kurt Melcher

Data: 02/07/2015 
Horário: 09h00min
Local: Auditório do CEEI

Banca examinadora:
Joseana Macêdo Fechine Régis de Araújo e Elmar Uwe Kurt Melcher (orientadores), Silvana Luciene do Nascimento Cunha Costa (IFPB) e José Eustáquio Rangel de Queiroz (UFCG). 

Resumo: O som gerado por motores em funcionamento contém informações sobre seu estado e condições, tornando-se uma fonte importante para avaliação do seu funcionamento sem a necessidade de intervenção no equipamento. A análise do estado do equipamento muitas vezes é realizada por diagnóstico humano, a partir da experiência vivenciada no ambiente ruidoso de operação. Como o funcionamento dos motores é regido por um processo periódico, o sinal de áudio gerado segue um padrão bem definido, possibilitando, assim, a avaliação do seu estado de funcionamento por meio desse sinal. Dentro deste contexto, a pesquisa ora descrita trata da modelagem do sinal acústico gerado por motores em usinas termoelétricas, aplicando técnicas de processamento digital de sinais e inteligência artificial, com o intuito de auxiliar o diagnóstico de falhas, minimizando a presença humana no ambiente de uma sala de motores. A técnica utilizada baseia-se no estudo do funcionamento dos equipamentos e dos sinais acústicos gerados por esses, para extração de características representativas do sinal, em diferentes domínios, combinadas a métodos de aprendizagem de máquinas, para construção de um multiclassificador, responsável pela avaliação do estado de funcionamento desses motores. Para avaliação da eficácia do método proposto, foram utilizados sinais extraídos de motores da Usina Termoelétrica Borborema Energética S.A., no âmbito do projeto REPARAI (REPair over AiR using Artificial Intelligence, código ANEEL PD-6471-0002/2012). Ao final do estudo, o método proposto demonstrou acurácia próxima a 100%. A abordagem proposta caracterizou-se, portanto, como eficiente para o diagnóstico de falhas, principalmente por não ser um método invasivo, não exigindo, portanto, o contato direto do avaliador humano com o motor em funcionamento.


Comments