Monitoramento de falhas em motores de indução utilizando inteligência artificial embarcada
dc.contributor.advisor | Dias, Samaherni Morais | |
dc.contributor.advisor-co1 | Araújo, Valbério Gonzaga de | |
dc.contributor.author | Silva, Sthefania Fernandes | |
dc.contributor.referees1 | Dias, Samaherni Morais | |
dc.contributor.referees2 | Queiroz, Kurios Iuri Pinheiro de Melo | |
dc.contributor.referees4 | Florencio, Heitor Medeiros | |
dc.date.accessioned | 2025-01-21T17:04:01Z | |
dc.date.available | 2025-01-21T17:04:01Z | |
dc.date.issued | 2025-01-10 | |
dc.description.resumo | Estima-se que existam cerca de 20 milhões de motores de indução trifásicos em operação, sendo este o tipo mais utilizado na indústria. O motivo é a robustez, versatilidade, baixo custo e alta eficiência. Para garantir um ótimo desempenho e evitar paradas não programadas do motor, é necessário realizar o monitoramento regular das suas condições. Neste contexto, este trabalho busca desenvolver um sistema de monitoramento e detecção preditiva de defeitos em motores de indução trifásicos utilizando uma rede neural perceptron de multicamadas implementada em um microcontrolador ESP32-S3. Para isso, foi realizada a coleta de dados para o treinamento e teste da rede neural em uma bancada de testes, utilizando o acelerômetro ADXL335 e um ESP32. As condições monitoradas incluem: operação normal, desbalanceamento de corrente e defeito no rolamento. Após a coleta, foi adicionado ruído Gaussiano e foi realizada a expansão dos dados. A rede neural foi definida com duas camadas intermediárias "totalmente conectadas", cada uma contendo 8 neurônios e utilizando a função de ativação ReLU, já a camada de saída possui 3 neurônios, correspondentes às classes normal, desbalanceamento e rolamento, e utiliza a função de ativação Softmax. A rede foi treinada e quantizada, sendo implementada no ESP32-S3. O modelo obteve uma acurácia de 98%, atendendo aos objetivos propostos. | pt_BR |
dc.identifier.citation | SILVA, Sthefania Fernandes. Monitoramento de falhas em motores de indução utilizando inteligência artificial embarcada. 2025. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2025. | pt_BR |
dc.identifier.uri | https://repositorio.ufrn.br/handle/123456789/61508 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Federal do Rio Grande do Norte | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Centro de Tecnologia | pt_BR |
dc.publisher.initials | UFRN | pt_BR |
dc.publisher.program | Engenharia Mecatrônica | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Motor de Indução Trifásico | pt_BR |
dc.subject | Análise de Vibração | pt_BR |
dc.subject | Detecção de Falhas | pt_BR |
dc.subject | Aprendizado de Máquina | pt_BR |
dc.subject | Redes Neurais | pt_BR |
dc.subject | ESP32-S3 | pt_BR |
dc.subject | Sistemas Embarcados | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS | pt_BR |
dc.title | Monitoramento de falhas em motores de indução utilizando inteligência artificial embarcada | pt_BR |
dc.type | bachelorThesis | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- MonitoramentodeFalhas_Silva_2025.pdf
- Tamanho:
- 14.33 MB
- Formato:
- Adobe Portable Document Format
Nenhuma Miniatura disponível
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.45 KB
- Formato:
- Item-specific license agreed upon to submission
Nenhuma Miniatura disponível