Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/57748
Title in Portuguese: Previsão e detecção de falhas em capacitores eletrolíticos
Other Titles: Previsão e detecção de falhas em capacitores eletrolíticos utilizando redes neurais e técnicas estastísticas
Title: Prediction and fault detection in electrolytic capacitors
Author: Mesquita, Acélio Luna
Advisor(s): Pinto, Vandilberto Pereira
Keywords: Capacitor
Redes neurais artificiais
Regressão por processo gaussiano
Prognóstico e monitoramento da Saúde
Vida útil remanescente
Issue Date: 8-Apr-2021
Citation: MESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.
Abstract in Portuguese: Capacitores são componentes eletrônicos que apresentam grande variação de características ao longo de sua vida útil. Após serem submetidos a vários ciclos de carga e descarga, os capacitores apresentam perda na capacitância e com isso passam a operar fora de suas características nominais. Técnicas de Prognóstico e Monitoramento da Saúde (Prognostics and Health Monitoring - PHM) podem ser usadas para monitorar a evolução da degradação dos capacitores e estimar sua vida útil remanescente (Remaining Useful Life - RUL). O presente trabalho tem por objetivo monitorar a degradação e prever a vida útil remanescente de capacitores por meio da utilização de redes neurais artificiais e de regressão por processo gaussiano (Gaussian Process Regression - GPR) utilizando a base de dados do repositório da NASA. Diferentes arquiteturas de redes são avaliadas para a estimativa da vida útil remanescente: MLP (Multilayer Perceptron), RBF (Radial Basis Function) e ELM (Extreme Learning Machine). O coeficiente de determinação (R2) e o erro médio quadrático (Mean Squared Error - MSE), são usados como indicadores de desempenho para comparar as diferentes arquiteturas de redes e do GPR. A precisão das estimativas de RUL são comparadas em termos da precisão relativa (Relative Accuracy - RA) e do desempenho α – λ, que são indicadores propostos na literatura para algoritmos de PHM.
Abstract: Capacitors are electronic components that vary widely in characteristics over their useful life. After being subjected to several charging and discharging cycles, the capacitors show a loss in their capacitance and with that they start operating outside nominal characteristics. Prognosis and Health Monitoring Techniques (PHM) can be used to monitor the evolution of capacitor degradation and estimate their remaining useful life (RUL). The present work aims to monitor the degradation and predict the remaining useful life of capacitors through the use of artificial neural networks and Gaussian process regression (GPR) using the NASA repository database. Different network architectures are evaluated to estimate the remaining useful life: MLP (Multilayer Perceptron), RBF (Radial Basis Function) and ELM (Extreme Learning Machine). The coefficient of determination (R2) and the mean square error (MSE) are used as performance indicators to compare GPR and the different network architectures. The accuracy of the RUL estimates are compared in terms of the relative accuracy (RA) and the α - λ performance, which are indicators proposed in the literature for PHM algorithms.
URI: http://www.repositorio.ufc.br/handle/riufc/57748
metadata.dc.type: Dissertação
Appears in Collections:PPGEEC - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2021_dis_almesquita.pdfMESQUITA, A. L. Previsão e detecção de falhas em capacitores eletrolíticos 2021. 100 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.4,5 MBAdobe PDFView/Open


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