R. C. Campos, Gizele P. do Nascimento, Hudson C. Dalprá, L. A. Pinto
{"title":"Processamento de Sinais de Vibração aplicado à Classificação de Falhas em Rolamentos","authors":"R. C. Campos, Gizele P. do Nascimento, Hudson C. Dalprá, L. A. Pinto","doi":"10.5753/erigo.2022.227668","DOIUrl":null,"url":null,"abstract":"Esse trabalho compara o desempenho de diversos algoritmos de classificação aplicados ao diagnóstico de falhas em rolamentos. Para a construção dos modelos, 13 descritores estatísticos foram extraídos dos sinais de vibração disponíveis no conjunto de dados Paderborn. Os modelos foram construídos no domínio do tempo e no domínio tempo-escala com a utilização da transformada wavelet, e foram aplicados os algoritmos k-NN, SVM e Árvore de Decisão. Os desempenhos dos modelos foram avaliados com base nas métricas de acurácia, precisão, sensibilidade, especificidade e F1-score. O resultado médio obtido em todas as configurações dos classificadores foi 98%.","PeriodicalId":338913,"journal":{"name":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","volume":"27 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/erigo.2022.227668","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Esse trabalho compara o desempenho de diversos algoritmos de classificação aplicados ao diagnóstico de falhas em rolamentos. Para a construção dos modelos, 13 descritores estatísticos foram extraídos dos sinais de vibração disponíveis no conjunto de dados Paderborn. Os modelos foram construídos no domínio do tempo e no domínio tempo-escala com a utilização da transformada wavelet, e foram aplicados os algoritmos k-NN, SVM e Árvore de Decisão. Os desempenhos dos modelos foram avaliados com base nas métricas de acurácia, precisão, sensibilidade, especificidade e F1-score. O resultado médio obtido em todas as configurações dos classificadores foi 98%.