Revisão de aplicações de machine learning no aprimoramento de métodos de monitoramento de turbinas eólicas com foco em caixas de engrenagens

Mangueira, Rivanilso dos Santos; Alencar, João Gabriel Ramos Arraes de; Fernandes, João Victor Santos; Palácio, Gilderlanio Barbosa Alves

Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/56933

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Mangueira, Rivanilso dos Santos	-
dc.contributor.author	Alencar, João Gabriel Ramos Arraes de	-
dc.contributor.author	Fernandes, João Victor Santos	-
dc.contributor.author	Palácio, Gilderlanio Barbosa Alves	-
dc.date.accessioned	2021-03-03T15:37:41Z	-
dc.date.available	2021-03-03T15:37:41Z	-
dc.date.issued	2020	-
dc.identifier.citation	MANGUEIRA, Rivanilso dos Santos; ALENCAR, João Gabriel Ramos Arraes de; FERNANDES, João Victor Santos; PALACIO, Gilderlanio Barbosa Alves. Revisão de aplicações de machine learning no aprimoramento de métodos de monitoramento de turbinas eólicas com foco em caixas de engrenagens. In: CONGRESSO BRASILEIRO DE ENERGIA SOLAR, VIII, 01 a 05 jun. 2020, Fortaleza, Ceará, Brasil. Anais[...] Fortaleza, Ceará, 2020. Tema: “Outras fontes renováveis de energia - Simulação, análise, equipamentos e sistemas de conversão eólica para eletricidade”	pt_BR
dc.identifier.isbn	978-65-993338-0-4	-
dc.identifier.uri	http://www.repositorio.ufc.br/handle/riufc/56933	-
dc.language.iso	pt_BR	pt_BR
dc.subject	Energia eólica	pt_BR
dc.subject	Caixas de engrenagens	pt_BR
dc.subject	Aprendizado do computador	pt_BR
dc.title	Revisão de aplicações de machine learning no aprimoramento de métodos de monitoramento de turbinas eólicas com foco em caixas de engrenagens	pt_BR
dc.type	Artigo de Evento	pt_BR
dc.description.abstract-ptbr	A caixa de engrenagens é um dos componentes mais importantes para o funcionamento de umaerogerador e um dos que merece maior atenção dos operadores no que concerne amanutenção, uma vez que está entre os cinco fatores que falham com maior frequência e é oque representa o maior tempo percentual total de inatividade da turbina. Nesse contexto, estetrabalho visa expor como a tecnologia dos algoritmos de Machine Learning (ML) tem sidoaplicada recentemente no melhoramento dos métodos de monitoramento de condições eperformance do sistema, com foco na parte supracitada. Relacionado ao conceito deinteligência artificial, o ML consiste no aprendizado de uma máquina computadorizada a partirde um conjunto de dados previamente fornecidos de modo que o método possa produzir novosdados, tem se demonstrado útil no âmbito da manutenção, possibilitando, por meio de modeloscomo redes neurais e processos gaussianos, a previsão de falhas com antecedência,amplificando a ação de métodos tradicionais como de análise de dados de vibração, detemperatura ou de curva de potência, evitando custos e despesas associados com correções aofacilitar a prevenção. Os resultados desta revisão bibliográfica apontam caminhos promissorespara o desenvolvimento de estudos na área, particularmente no que diz respeito aomonitoramento de temperatura	pt_BR
Aparece nas coleções:	DEME - Trabalhos apresentados em eventos

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
2020_eve_rsmangueira.pdf		393,25 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas