Monitoramento de falhas em motores de indução utilizando inteligência artificial embarcada

Página do item simplificado Estatísticas
dc.contributor.advisorDias, Samaherni Morais
dc.contributor.advisor-co1Araújo, Valbério Gonzaga de
dc.contributor.authorSilva, Sthefania Fernandes
dc.contributor.referees1Dias, Samaherni Morais
dc.contributor.referees2Queiroz, Kurios Iuri Pinheiro de Melo
dc.contributor.referees4Florencio, Heitor Medeiros
dc.date.accessioned2025-01-21T17:04:01Z
dc.date.available2025-01-21T17:04:01Z
dc.date.issued2025-01-10
dc.description.resumoEstima-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.citationSILVA, 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.urihttps://repositorio.ufrn.br/handle/123456789/61508
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Tecnologiapt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programEngenharia Mecatrônicapt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectMotor de Indução Trifásicopt_BR
dc.subjectAnálise de Vibraçãopt_BR
dc.subjectDetecção de Falhaspt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectRedes Neuraispt_BR
dc.subjectESP32-S3pt_BR
dc.subjectSistemas Embarcadospt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAISpt_BR
dc.titleMonitoramento de falhas em motores de indução utilizando inteligência artificial embarcadapt_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
MonitoramentodeFalhas_Silva_2025.pdf
Tamanho:
14.33 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 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
Baixar

Coleções

CT - TCC - Engenharia Mecatrônica
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM