Balanceamento de rotor em um plano de vibração utilizando técnicas de aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorNovak, Paulo Rogerio-
Autor(es): dc.contributorOliveira, Gilson Adamczuk de-
Autor(es): dc.contributorBratti, Giovanni-
Autor(es): dc.contributorRossetto, Diego Rizzotto-
Autor(es): dc.contributorNovak, Paulo Rogerio-
Autor(es): dc.creatorMarques Júnior, Edson Luiz-
Data de aceite: dc.date.accessioned2025-08-29T13:26:52Z-
Data de disponibilização: dc.date.available2025-08-29T13:26:52Z-
Data de envio: dc.date.issued2025-07-17-
Data de envio: dc.date.issued2025-07-17-
Data de envio: dc.date.issued2024-11-28-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37487-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1113418-
Descrição: dc.descriptionThis work investigates rotor balancing in a vibration plane using machine learning techniques. It proposes the development of an algorithm that performs the balancing based on two variables: vibration amplitude and phase angle. Data collection was carried out using the influence coefficient method and subsequently analyzed using descriptive, diagnostic, and predictive analysis methods. Two distinct approaches were implemented: a regression algorithm to determine the correction mass and a classification algorithm to identify the correction position. Various machine learning models, ranging from simpler methods to neural networks, were tested and compared to evaluate the effectiveness of each approach. The results demonstrated the feasibility of the process and the effectiveness of machine learning techniques applied to rotor balancing. After comparing the results obtained from the different models, the development of two neural network-based models was chosen.-
Descrição: dc.descriptionEste trabalho investiga o balanceamento de um rotor em um plano de vibração utilizando técnicas de aprendizado de máquina. Propõe-se o desenvolvimento de um algoritmo que realiza o balanceamento com base em duas variáveis: amplitude de vibração e ângulo de fase. A coleta de dados foi realizada pelo método dos coeficientes de influência, sendo analisados posteriormente com métodos de análise descritiva, diagnóstica e preditiva. Foram implementadas duas abordagens distintas: um algoritmo de regressão para determinar a massa de correção e um algoritmo de classificação para identificar a posição de correção. Diversos modelos de aprendizado de máquina, desde métodos mais simples até redes neurais, foram testados e comparados para avaliar a eficácia de cada abordagem. Os resultados demonstraram a viabilidade do processo e a eficácia das técnicas de aprendizado de máquina aplicadas ao balanceamento de rotores. Após a comparação entre os resultados obtidos pelos diferentes modelos, optou-se pelo desenvolvimento de dois modelos baseados em redes neurais que apresentaram bons resultados quando comparados com os métodos tradicionais.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Mecânica-
Publicador: dc.publisherEngenharia Mecânica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc/4.0/-
Palavras-chave: dc.subjectBalanceamento de máquinas-
Palavras-chave: dc.subjectVibração-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectBalancing of machinery-
Palavras-chave: dc.subjectVibration-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA MECANICA-
Título: dc.titleBalanceamento de rotor em um plano de vibração utilizando técnicas de aprendizado de máquina-
Título: dc.titleRotor balancing in one vibration plane using machine learning techniques-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.