Reconhecimento de Padrões em Energia de Emissões Acústicas na Frequência Audível em Processos de Torneamento de Aços Endurecidos.

• Main Author: FRIGIERI, Edielson Prevato
• Language: Portuguese
• Published: 2016
• Online Access: http://repositorio.unifei.edu.br:8080/xmlui/handle/123456789/666

Submitted by repositorio repositorio ([e-mail]) on 2017-02-15T16:40:53Z No. of bitstreams: 1 tese_frigieri_2016.pdf: 26876731 bytes, checksum: 997eab72ecbd3485043dbbc577cdd8b0 (MD5) === Made available in DSpace on 2017-02-15T16:40:53Z (GMT). No. of bitstreams: 1 tese_frigieri_2016.pdf: 26876731 bytes, checksum: 997eab72ecbd3485043dbbc577cdd8b0 (MD5) Previous issue date: 2016-12 === O objetivo deste trabalho é avaliar a emissão de sinais acústicos durante o processo de torneamento do aço ABNT 52100 endurecido e identificar quais aspectos do sinal são capazes de representar características do processo, mais precisamente, a rugosidade resultante da peça. Dois parâmetros são avaliados com este intuito: os coeficientes Mel-cepstrais (MFCC) e os escores dos componentes principais obtidos a partir do espectro de potência do sinal acústico. A técnica de análise de correlação é utilizada a fim de determinar o grau de relação entre os parâmetros do sinal acústico e as características do processo, definindo os melhores aspectos do sinal a serem utilizados no sistema de monitoramento e, com base nos resultados, dois sistemas são propostos: um baseado em Modelo de Mistura de Gaussianas (GMM) e, outro, que utiliza Máquina de Vetores de Suporte (SVM). Ambos os sistemas são testados com diferentes combinações de parâmetros e, através de análise fatorial, são definidas as configurações ótimas para cada um. Utilizando as configurações ótimas, ambos os sistemas são utilizados para verificar os parâmetros extraídos dos sinais acústicos a fim de determinar qual parâmetro resulta no melhor desempenho na tarefa de monitoramento. Os resultados obtidos mostram que tanto o MFCC quanto os escores dos componentes principais da energia do sinal apresentam ótimo desempenho na classificação de níveis de rugosidade, atingindo precisões acima de 95%, porém com uma leve vantagem para os escores da energia do sinal, que chegaram a atingir uma precisão de 100% para algumas configurações. Outro resultado importante é a superioridade do sistema de monitoramento baseado em SVM, que apresentou precisões melhores que do sistema baseado em GMM. A partir destes resultados, concluiu-se que o sinal acústico (som), através de parâmetros como os coeficientes mel-cepstrais e dos escores da energia do sinal, pode ser utilizado como forma de identificar variações no comportamento do processo, principalmente a rugosidade resultante da peça, o que permite o monitoramento de sua qualidade de forma indireta através de sistemas baseados em classificadores como GMM e SVM.