Diagnóstico de falhas em máquinas rotativas utilizando Random Forest

Dionisio Henrique Carvalho de Sá Só Martins, Denys Pestana-Viana, Amaro Azevedo de Lima, Rafael Zambrano-López, Sergio Lima Netto., Thiago de Moura Prego∗, †

DOI: 10.14209/sbrt.2016.104

Evento: XXXIV Simpósio Brasileiro de Telecomunicações (SBrT2016)

Keywords: Diagnóstico de falhas k-fold Random Forest.

Abstract

Este artigo apresenta uma forma de realizar o diagnóstico de falhas em máquinas rotativas através da análise de sinais de vibração. O presente trabalho realiza a classificação de 9 tipos de defeitos que acontecem em motores: desbalanceamento; desalinhamento paralelo horizontal; desalinhamento paralelo vertical; defeito na gaiola, na esfera e na pista externa do mancal n˜ao invertido; defeito na gaiola, na esfera e na pista externa do mancal invertido. A separac¸ ˜ao dos conjuntos de treinamento e teste ´e feita através do método k-fold. O algoritmo usado para fazer a classificação é o Random Forest que atingiu uma acurácia de 97,48%.

Download