Classificador Baseado na Teoria de Conjuntos Aproximados
Classificador Baseado na Teoria de Conjuntos Aproximados Aplicado ao Diagnóstico de Falhas em Motores de Indução Trifásicos monitorados através de Sinais Acústicos, Elétricos e de Vibração
As técnicas de processamento digital de sinais e inteligência artificial têm sido largamente aplicadas à manutenção preditiva de motores de indução trifásicos. Muitas são as técnicas de análise da condição do motor, dentre elas destacam-se a análise de vibração, de corrente e a análise acústica. Os artigos técnicos publicados normalmente abordam cada técnica separadamente. Este artigo tem como objetivo propor um classificador robusto baseado na teoria de conjuntos aproximados para diagnóstico de falhas em MIT através da análise de sinais acústicos, elétricos e de vibração. Os sinais analisados são oriundos de (Payne et alii, 2001) e foram submetidos a uma etapa de processamento digital, cujo resultado foi submetido ao algoritmo de classificação de falhas. Os resultados obtidos permitem avaliar as vantagens e desvantagens de cada análise (acústica, vibração e corrente) além de fornecer as características indispensáveis de cada uma para uma classificação robusta de uma falha potencial. Desta forma os autores esperam contribuir para uma tomada de decisão com relação a que tipo de técnica se utilizar e/ou quão vantajoso é o emprego conjunto das análises. E ainda, fornecer um conjunto mínimo de atributos para serem analisados de forma a se obter uma classificação segura e confiável.