dc.contributor.author | Miranda, Isac José Silva | |
dc.date.accessioned | 2023-05-02T17:58:54Z | |
dc.date.available | 2023-05-02T17:58:54Z | |
dc.date.issued | 2023-03-16 | |
dc.identifier.citation | MIRANDA, Isac José Silva. Aplicação de SVM na classificação de falhas em rolamentos: uma comparação entre o domínio tempo e tempo-frequência. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/17909. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/17909 | |
dc.description.abstract | In order to enhance the operational efficiency of mechanical components, predictive maintenance has emerged as a critical technique for detecting potential failures before they lead to severe consequences such as accidents, productivity losses, and unexpected disruptions in production processes. This investigation employed vibration analysis to differentiate faults in spherical bearings, utilizing vibration signals collected from both faultless bearings and those bearing point defects. Statistical descriptors such as standard deviation, root mean square value, and shape factor were employed in the time domain, while the wavelet packet transform, featuring energy values and Shannon entropy in the time-frequency domain, was used to perform the analyses. The data was classified using the Support Vector Machine (SVM) machine learning algorithm. Both approaches demonstrated their effectiveness in discerning the signals, with prediction accuracies of 97.92% and 100%, respectively, highlighting the feasibility of this technique for fault identification in spherical bearings. The time-frequency approach was more effective than the time domain approach, as the latter yielded misclassifications in certain cases. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | SVM | por |
dc.subject | Falhas em rolamentos | por |
dc.subject | Manutenção preditiva | por |
dc.subject | Wavelet packet transform | eng |
dc.title | Aplicação de SVM na classificação de falhas em rolamentos: uma comparação entre o domínio tempo e tempo-frequência | por |
dc.title.alternative | Application of SVM in the classification of bearing failures: a comparison between time and time-frequency domains | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Shiki, Sidney Bruce | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0573973677787523 | por |
dc.description.resumo | Para otimizar a eficiência operacional de elementos mecânicos, a manutenção preditiva é uma técnica importante para detectar falhas em componentes antes de consequências mais graves, como acidentes, perdas de produtividade e paradas inesperadas em processos produtivos. Este trabalho utilizou análises de vibração para classificar falhas em rolamentos esféricos por meio de sinais de vibração adquiridos em rolamentos sem falhas e com falhas pontuais inseridas em seus elementos. Foram utilizados descritores estatísticos (desvio-padrão, valor de rms e fator de forma) no domínio tempo e a transformada wavelet packet com valores de energia e entropia de Shannon no tempo-frequência para realizar as análises. A classificação dos dados foi realizada por meio do algoritmo de aprendizado de máquina SVM (Support Vector Machine). Ambas as abordagens se mostraram eficazes na discriminação dos sinais, com acurácias de predição de 97,92% e 100%, respectivamente, demonstrando a aplicabilidade da técnica na identificação de falhas em rolamentos esféricos. A abordagem tempo-frequência foi mais eficaz do que a abordagem no domínio tempo, uma vez que algumas falhas foram classificadas erroneamente nesta última. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOS | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/8672686240757378 | por |
dc.publisher.course | Engenharia Mecânica - EMec | por |