@MASTERSTHESIS{ 2019:269865204,
 	title = {Um estudo comparativo entre técnicas de aprendizagem de máquina e processamento de sinais para detectar barras quebradas em um motor de indução trifásico com rotor do tipo gaiola de esquilo},
 	year = {2019},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3052",
 	abstract = "A detecção de falhas em motores de indução trifásico do tipo gaiola de esquilo revelou
 um interesse crescente nos últimos anos, especialmente pelo estudo e a implementação
 de novas técnicas de diagnóstico, dada a sua utilização no segmento industrial em todo
 o mundo. Dentre as falhas existentes, destaca-se o rompimento de uma ou mais barras
 que fazem parte da gaiola rotórica da máquina. Uma das técnicas mais estudadas na literatura,
 e empregadas ainda hoje, para a detecção de barras quebradas, é a análise da
 assinatura da corrente elétrica de uma das fases do motor, a  m de encontrar determinadas
 harmônicas que indicam a presença do defeito. Esta técnica utiliza a Transformada
 Rápida de Fourier para a análise das componentes harmônicas, e outros estudos mais
 recentes empregaram, por exemplo, a Transformada de Hilbert, de modo a melhorar a
 resolução em frequência do sinal, bem como o uso de medidas estatísticas para encontrar
 alguns parâmetros do sinal de corrente do motor, na condição de rotor defeituoso.
 Adicionalmente, outras pesquisas têm investigado o uso das técnicas de aprendizagem de
 máquina para auxiliar na avaliação das condições do motor, a partir das características
 extraídas nos domínios do tempo e da frequência. Deste modo, o presente trabalho desenvolveu
 um estudo comparativo entre algumas técnicas de processamento de sinais, usadas
 no diagnóstico de barras rotóricas quebradas, e os algoritmos de aprendizagem de má-
 quina mais empregados no monitoramento e diagnóstico de falhas em máquinas elétricas.
 Tais algoritmos foram parametrizados em diversas condições sendo possível comparar não
 apenas a acurácia de cada modelo, mas também as taxas de falso positivo e falso negativo
 em cada caso. Os resultados obtidos mostraram que o uso das características estatísticas
 em conjunto com aquelas extraídas em frequência apresentou a melhor performance. Os
 experimentos realizados com um motor de 7:5 kW, para diversas condições de carga do
 motor, e especialmente em baixa carga, permitiriam avaliar assim a melhor combinação
 das aludidas técnicas para a detecção e a classi cação do defeito na gaiola rotórica.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}