Identificação de falhas em rolamentos através de análise de vibração por meio de redes neurais artificiais

Abstract

RESUMO: O monitoramento das condições de operação de máquinas e a detecção de possíveis falhas em seu funcionamento são características marcantes na dinâmica da manutenção na indústria 4.0. A geração de um grande volume de dados provenientes do constante monitoramento de ativos, trouxe consigo a necessidade do desenvolvimento de ferramentas de interpretação que superem as subjetividades inerentes às analises realizadas por operadores. Técnicas de aprendizado de máquina, podem ser utilizadas nesse contexto para suprir tais necessidades, sendo aplicadas na interpretação dos dados de monitoramento de elementos importantes, como rolamentos. O objetivo do presente trabalho é utilizar dois algoritmos específicos de aprendizado de máquina: redes neurais artificiais densas e redes neurais artificiais convolutivas para identificar a presença de falhas em rolamentos, além de classificar a falha através da interpretação de dados de vibração. Os dados utilizados foram tratados tanto no domínio do tempo quanto no domínio da frequência, de forma que a rede convolutiva recebeu como entrada dados no domínio do tempo em forma de imagem de vibração enquanto que a rede densa recebeu dados numéricos no domínio da frequência. Os resultados obtidos com cada uma das classes de rede alcançaram níveis de, respectivamente, 99.25 e 86.5% de precisão. Os modelos foram também experimentados com dados provenientes de um simulador de vibrações e os resultados mostram que as redes neurais densas são eficazes para desenvolver interpretações mais objetivas de dados provenientes de outras fontes.