Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/3372
Compartilhar:
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1BAYMA, Rafael Suzuki-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6240525080111166pt_BR
dc.creatorSILVA, William Machado da-
dc.creator.Latteshttp://lattes.cnpq.br/3606412976353988pt_BR
dc.date.accessioned2021-07-06T14:59:25Z-
dc.date.available2021-07-06T14:59:25Z-
dc.date.issued2021-06-03-
dc.identifier.citationSILVA, William Machado da. Prognóstico de falhas baseado em redes neurais convolucionais: uma análise para estimar a vida útil remanescente de turbinas turbofan. Orientador: Rafael Suzuki Bayma. 2021. 59 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) – Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2021. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/3372. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br:8443/jspui/handle/prefix/3372-
dc.description.abstractThis work proposes a deep learning method for estimating the remaining useful life (RUL) of turbofan turbines. It presents a convolutional neural network (CNN) architecture. The proposed method is applied to a NASA data set for the RUL estimate, by varying the set of sensors and the form of turbine degradation in two models: linear RUL and piecewise linear RUL. Experimental results are compared with each other and with other methods found in the literature; the results show that the proposed piecewise linear RUL method exhibits similar performance found in other published works in terms of root mean squared error and a specific error metric used in competitions.pt_BR
dc.description.resumoEste trabalho propõe um método baseado em aprendizado profundo para estimar a vida útil remanescente (RUL do inglês, Remaining Useful Life) de turbinas turbofan. É apresentada uma arquitetura de rede neural convolucional (CNN do inglês, Convolutional Neural Network). O método proposto é aplicado a um conjunto de dados da NASA (do inglês, National Aeronautics and Space Administration) para a estimativa RUL, variando o conjunto de sensores e a forma de degradação das turbinas em dois modelos: RUL linear e RUL linear por partes. Os resultados experimentais são comparados entre si e com outros métodos encontrados na literatura, as comparações mostram que o método proposto RUL linear por partes apresenta desempenho comparável aos outros trabalhos publicados em termos da raiz do erro quadrático médio (RMSE do inglês, Root Mean Square Error) e uma métrica específica de competições de prognósticos.pt_BR
dc.description.provenanceSubmitted by Adson Garcia (adson.ed.garcia@gmail.com) on 2021-06-23T13:03:24Z No. of bitstreams: 5 TCC_PrognosticoFalhasBaseado.pdf: 2378256 bytes, checksum: cc3f5321039107136a281dfac9bcfdd2 (MD5) license_url: 49 bytes, checksum: 4afdbb8c545fd630ea7db775da747b2f (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license.txt: 1892 bytes, checksum: b250e9f8ee03764d31de5f34fc1a3fa4 (MD5)en
dc.description.provenanceApproved for entry into archive by Mayara Menezes (mayara@ufpa.br) on 2021-07-06T14:59:25Z (GMT) No. of bitstreams: 5 TCC_PrognosticoFalhasBaseado.pdf: 2378256 bytes, checksum: cc3f5321039107136a281dfac9bcfdd2 (MD5) license_url: 49 bytes, checksum: 4afdbb8c545fd630ea7db775da747b2f (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license.txt: 1892 bytes, checksum: b250e9f8ee03764d31de5f34fc1a3fa4 (MD5)en
dc.description.provenanceMade available in DSpace on 2021-07-06T14:59:25Z (GMT). No. of bitstreams: 5 TCC_PrognosticoFalhasBaseado.pdf: 2378256 bytes, checksum: cc3f5321039107136a281dfac9bcfdd2 (MD5) license_url: 49 bytes, checksum: 4afdbb8c545fd630ea7db775da747b2f (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license.txt: 1892 bytes, checksum: b250e9f8ee03764d31de5f34fc1a3fa4 (MD5) Previous issue date: 2021-06-03en
dc.languageporpt_BR
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na Internet via Sagittapt_BR
dc.subjectAprendizado profundo ( Aprendizado do computador)pt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectManutenção e reparospt_BR
dc.subjectVida útil (Engenharia)pt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.titlePrognóstico de falhas baseado em redes neurais convolucionais: uma análise para estimar a vida útil remanescente de turbinas turbofanpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduaçãopt_BR
Appears in Collections:Faculdade de Engenharia Elétrica - FEE/CAMTUC

Files in This Item:
File Description SizeFormat 
TCC_PrognosticoFalhasBaseado.pdf2,32 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons