Método para desenvolvimento de sistemas inteligentes de diagnóstico de falhas em máquinas rotativas baseado em ferramentas de deep learning

Resumo

Máquinas rotativas acionadas por motores elétricos estão presentes nos mais diversos segmentos industriais. Garantir sua operação em condição saudável pode evitar falhas e paradas não programadas, possibilitando aumento de disponibilidade e produtividade no processo produtivo. Neste contexto, este projeto propõe um método para o desenvolvimento de sistemas inteligentes de diagnóstico de falhas em máquinas rotativas, como desbalanceamento e desalinhamento angular. O caráter inovador se dá uma vez que busca-se extrair informações fornecidas pelo servoacionamento, sem a necessidade de sensores dedicados como acelerômetros para análise de vibração. As variáveis investigadas foram rotação e torque, que normalmente já são disponibilizadas pelo servoacionamento via rede de comunicação industrial. O método investigou a utilização de redes neurais convolucionais, com pré-processamento dos sinais utilizando Wavelet scaterring. O desempenho dos modelos preditivos foram avaliados e comprados literatura correlata, obtendo resultados satisfatórios.