Rotating machinery fault identification using model-based and data-based techniques integration. (2021)
- Authors:
- Autor USP: MICHALSKI, MIGUEL ANGELO DE CARVALHO - EP
- Unidade: EP
- Sigla do Departamento: PMR
- Subjects: ENGENHARIA; INTELIGÊNCIA ARTIFICIAL; MÉTODO DOS ELEMENTOS FINITOS
- Agências de fomento:
- Language: Inglês
- Abstract: O uso de técnicas modernas de manutenção em máquinas rotativas mudou o cenário nas empresas de energia, tanto em relação à geração, como em usinas hidrelétricas, termoelétricas e eólicas, quanto na exploração de recursos como petróleo e gás natural. A busca pela excelência faz com que novas ferramentas, mais sofisticadas e refinadas sejam necessárias e, com isso, a pesquisa acadêmica está cada vez mais próxima da realidade industrial. Desejando contribuir com a resposta a tal demanda e vislumbrando que em um futuro próximo novas ferramentas de integração e gestão de ativos possam ser desenvolvidas e aplicadas em ambientes industriais, este trabalho apresenta a proposta de uma metodologia híbrida na qual são utilizadas técnicas já reconhecidas, integrando-as de tal forma que suas qualidades possam ser destacadas e suas fraquezas superadas. Aplicando técnicas baseadas em modelos, métodos inversos, inferência Bayesiana e métodos estatísticos para análise de dados, a metodologia proposta possibilita a modelagem e simulação de máquinas e falhas, fornecendo informações que permitiriam identificar, detectar e diagnosticar defeitos em máquinas reais. Para ilustrar a metodologia, três exemplos foram desenvolvidos, nos quais diferentes máquinas com desbalanceamento mecânico foram consideradas.
- Imprenta:
- Data da defesa: 03.02.2021
-
ABNT
MICHALSKI, Miguel Angelo De Carvalho. Rotating machinery fault identification using model-based and data-based techniques integration. 2021. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3151/tde-04062021-173315/. Acesso em: 26 jan. 2026. -
APA
Michalski, M. A. D. C. (2021). Rotating machinery fault identification using model-based and data-based techniques integration. (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3151/tde-04062021-173315/ -
NLM
Michalski MADC. Rotating machinery fault identification using model-based and data-based techniques integration. [Internet]. 2021 ;[citado 2026 jan. 26 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3151/tde-04062021-173315/ -
Vancouver
Michalski MADC. Rotating machinery fault identification using model-based and data-based techniques integration. [Internet]. 2021 ;[citado 2026 jan. 26 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3151/tde-04062021-173315/ - Comparing PCA-based fault detection methods for dynamic processes with correlated and non-Gaussian variables
- Applying Kalman filtering to unbalance estimation in rotating machinery
- Comparing principal component analysis and Mahalanobis-Taguchi system to detect unbalance in a centrifugal compressor in a floating production storage and offloading
- Digital twins in asset prognosis and health management: definitions, applications, state of the art, and future trends
- Maintenance management optimization to improve system availability based on stochastic block diagram
- Applying cluster analysis to support failure management policy selection in asset management: a hydropower plant case study
- Applying an unsupervised machine learning method for defining maintenance significant items
- Applying principal component analysis for multi-parameter failure prognosis and determination of remaining useful life
- Identifying changes in degradation stages for an unsupervised fault prognosis method for engineering systems
- Data driven fault detection in hydroelectric power plants based on deep neural networks
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
