DETECÇÃO DE FALHAS EM MOTORES TRIFÁSICOS UTILIZANDO DEEP LEARNING NA ANÁLISE DE VIBRAÇÕES
DOI:
https://doi.org/10.56238/Palavras-chave:
Análise de Vibração, Motor de Indução, Falhas em RolamentoResumo
Os motores de indução desempenham um papel fundamental no setor industrial, sendo necessário que sejam devidamente monitorados a fim de evitar paradas não programadas na produção. O monitoramento por vibração destaca-se no diagnóstico de condição desses motores, por sua eficácia na detecção de falhas, especialmente em rolamentos. Nesse trabalho, propõe-se o uso de técnicas Deep Learning para automatizar a detecção de falhas em rolamentos, por meio de uma análise comparativa entre modelos Long Short Memory (LSTM) e Convolutional Neural Network (CNN). Utilizando o conjunto de dados da Intelligent Maintenance System da universidade de Cincinnati (IMS), o modelo LSTM foi treinado com descritores estatísticos extraídos dos sinais de vibração, enquanto a CNN operou diretamente sobre os dados brutos. Os resultados demonstram a superioridade do modelo LSTM, que obteve 98% de acurácia, em comparação com a CNN, que alcançou 86%.
