CLASSIFICAÇÃO DE FALHAS EM ROLAMENTOS DE MÁQUINAS ROTATIVAS UTILIZANDO REDES NEURAIS ARTIFICIAIS POR MEIO DA ANÁLISE DE VIBRAÇÕES
Palavras-chave:
redes neurais artificiais; vibrações mecanicas; rolamentos; manutenção preditiva; MATLAB.Resumo
A detecção precoce de falhas em rolamentos é essencial para evitar paradas não planejadas e garantir a confiabilidade de sistemas rotativos. Este trabalho apresenta o desenvolvimento de um classificador baseado em Redes Neurais Artificiais (RNA), implementado em MATLAB®, com o objetivo de identificar automaticamente três condições de rolamentos — saudável, desgaste e falha severa — a partir de parâmetros vibratórios (RMS, Pico e Energia). A base de dados utilizada foi construída de forma controlada, permitindo representar diferentes estágios de degradação. A rede adotou arquitetura do tipo Perceptron Multicamadas (MLP), com algoritmo de treinamento Levenberg–Marquardt e divisão dos dados em 70% para treinamento, 15% para validação e 15% para teste. A avaliação do modelo foi realizada por meio de matriz de confusão, análise da curva de treinamento e comparação entre as classes reais e preditas. Os resultados obtidos demonstraram acurácia global de 97,22%, indicando que a RNA possui elevada capacidade de generalização e boa eficiência na classificação dos estados do rolamento.
