Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14810
Full metadata record
DC FieldValueLanguage
dc.creatorMancuzo, Mechelangelo Viana-
dc.date.accessioned2016-06-22T18:40:00Z-
dc.date.available2007-05-08-
dc.date.available2016-06-22T18:40:00Z-
dc.date.issued1999-08-27-
dc.identifier.citationMANCUZO, Mechelangelo Viana. Automatic fault detection in spark engine using neural network. 1999. 115 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 1999.por
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/14810-
dc.description.abstractThis work presents the implementation of an automatic diagnosis tool of some faults founded in spark engine. Firstly, a cinematic study of the fault generating mechanisms is presented, and a partially modal analysis of an engine is illustrated, objectifying to provide information on how the vibratory energy spreads of these mechanisms to the sensor that captures the vibration signature. In a second moment, the measurement instrumentation used in the engine data aquisition is specified, and the methodology employed in the pre-processing of engines data is characterized, disposing them for the phase of characteristics extraction. In the sequence, using the magnitude of envelope spectrum, in characteristic frequencies, certain patterns associated to the defects more frequently found during the tests in the assembly line were defined. Groups of these patterns were presented to a neural network objectifying its training. The type of neural network adopted, was the probabilístic neural network (PNN), which presents desirable characteristics to solve the problem in focus: the reliability of the statistical model in which it is based, the addition or removal easiness of patterns in data set of training and validation, and the reduced computacional time expended in its training. The work finishes showing a validation procedure, in which the capacity of the trained net in recognizing patterns that are different from those used in its training, was tested. The PNN was capable to automate the fault diagnosis, establishing, like this, an objective approach for the control quality of spark engines operation condition.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior-
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de Uberlândiapor
dc.rightsAcesso Abertopor
dc.subjectDiagnóstico automático de falhaspor
dc.subjectRede neural probabilísticapor
dc.subjectAnálise de vibraçõespor
dc.subjectMotor de combustão internapor
dc.subjectAutomatic fault detectioneng
dc.subjectProbabilistic neural networkeng
dc.subjectVibrations analysiseng
dc.subjectSpark engineeng
dc.titleDetecção automática de falhas em motores de combustão interna utilizando rede neuralpor
dc.title.alternativeAutomatic fault detection in spark engine using neural networkeng
dc.typeDissertaçãopor
dc.contributor.advisor1Ribeiro, Carlos Roberto-
dc.contributor.referee1Pereira, João Antonio-
dc.contributor.referee1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783818Z4por
dc.contributor.referee2Rocha, Cesar-
dc.contributor.referee3Duarte, Marcus Antônio Viana-
dc.contributor.referee3Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4780739A4por
dc.description.degreenameMestre em Engenharia Mecânicapor
dc.description.resumoEste trabalho mostra a implementação de uma ferramenta de diagnóstico automático de algumas falhas encontradas em motores de combustão interna. Inicialmente é apresentado um estudo cinemático dos mecanismos geradores das falhas, e a análise modal parcial de um motor, objetivando prover informações sobre como a energia vibratória se propaga destes mecansimos até o sensor que capta a assinatura de vibração. Num segundo momento, especifica-se a cadeia de medição utilizada na aquisição dos sinais, e caracteriza-se a metodologia empregada no pré-processamento dos sinais adquiridos dos motores, disponibilizando-os para a fase de extração das características. Na sequência, utilizando-se da amplitude do espectro do envelope, em frequências características, foram definidos determinados padrões associados aos defeitos mais frequentemente encontrados durante os testes na linha de montagem. Conjuntos destes padrões foram apresentados a uma rede neural objetivando seu treinamento. O tipo de rede neural adotada foi a probabilística (PNN), por apresentar características desejáveis para resolver o problema em foco: a confiabilidade do modelo estatístico no qual ela é embasada, a facilidade de adição ou remoção de padrões no conjunto de dados de treinamento e validação, e o reduzido tempo computacional dispendido para o seu treinamento. O trabalho termina mostrando um procedimento de validação, onde foi testada a capacidade da rede treinada, de reconhecer padrões diferentes dos utilizados no seu treinamento. A rede PNN foi capaz de automatizar o diagnóstico das falhas, estabelecendo, assim, um critério objetivo de avaliação da condição de funcionamento dos motores.por
dc.publisher.countryBRpor
dc.publisher.programPrograma de Pós-graduação em Engenharia Mecânicapor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA MECANICApor
dc.publisher.departmentEngenhariaspor
dc.publisher.initialsUFUpor
Appears in Collections:DISSERTAÇÃO - Engenharia Mecânica

Files in This Item:
File Description SizeFormat 
MMancuzoMS_PR.pdf1.5 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.