Aplicação de rede neural MLP na identificação de falhas em motores de indução trifásicos utilizando base de dados gerada por modelo computacional
Abstract
Este estudo aborda a aplicação de Redes Neurais Multilayer Perceptron (MLP) na identificação de falhas em motores de indução trifásicos. Utilizando uma base de dados gerada por um modelo computacional, explorou-se o desempenho da rede neural em classificar diferentes condições operacionais. A metodologia adotada incluiu a geração da base de dados por meio de um modelo computacional que simulou diversas condições operacionais e potenciais falhas em motores de indução trifásicos. A escolha das Redes Neurais MLP foi motivada pela capacidade desses modelos de aprender padrões complexos e lidar com relações não-lineares nos dados A análise detalhada das métricas de desempenho revelou uma aprendizagem eficaz da rede, com destaque para o desempenho notável em várias classes de falhas, sendo estas, subtensão, sobretensão e carga desbalanceada. No entanto, foram identificadas dificuldades na diferenciação entre as classes "Normal" e "Sobrecarga". Os testes de generalização confirmaram a eficácia da rede na detecção de diversas falhas, enquanto apontaram limitações na sensibilidade do modelo para sobrecargas. A matriz de confusão e a curva ROC reforçaram essa dificuldade, indicando padrões semelhantes entre essas classes. Destaca-se a aplicabilidade positiva das Redes Neurais MLP na identificação de falhas em motores de indução trifásicos, com potencial significativo para o monitoramento industrial. Este estudo contribui para o avanço no entendimento das capacidades e desafios associados à aplicação de redes neurais em sistemas elétricos industriais, com implicações práticas importantes