·
Engenharia Naval e Oceânica ·
Outros
Send your question to AI and receive an answer instantly
Preview text
Machine Learning Aula 1 Base de dados e extração de características 1 Sumário 1 Introdução 2 Bases de dados 3 Préprocessamento de dados 4 Extração de características 5 Aplicações no Matlab 2 Introdução 3 É a área de estudo em que os computadores têm a capacidade de aprender tarefas sem terem sido explicitamente programados para isso Arthur Samuel 4 Aprendizado de Máquina No treinamento as entradas devem ser identificadas para a escolha do modelo 5 Exemplo de classificação supervisionada Exemplos Largura Brilho Identificação Peixe 1 18 8 Robalo Peixe 2 15 4 Salmão Peixe 3 20 2 Salmão Peixe 4 17 6 Robalo Peixe n1 14 2 Salmão Peixe n 20 6 Robalo Matriz de entrada 15 kbits x15 kbits 6 Identificação de classes Exemplo de regressão supervisionada 7 Predição do consumo de combustível de automóveis Fonte Mathworks Etapas do aprendizado supervisionado 8 Aquisição de dados Pré Processamento de dados Extração de características Pré Processamento de características Seleção de características Classificação Regressão Aumento de dados Bases de dados Fonte de informação para os algoritmos de aprendizado de máquina Para construção de bons modelos de predição a base de dados deve ter qualidade dos dados 9 Fonte PHAM 2020 Tipos de bases de dados Modelos Bancadas experimentais Máquinas reais Numéricos 10 Bases geradas a partir de modelos numéricos São usadas quando não estão disponíveis bases provenientes de bancadas experimentais ou de máquinas reais Quando é necessário avaliar condições de severidade de falha que não podem ser implementadas diretamente em máquinas reais 11 Bases geradas a partir de modelos numéricos Os dados precisam ser validados com os dados provenientes de máquinas reais 12 Fonte Pestana 2023 adaptada Base de Dados produzida a partir de um modelo numérico de um motor diesel marítimo 13 Fonte Pestana 2023 adaptada Gravação de base de dados usando uma bancada experimental Permite o estudo de cenários de falha em um ambiente controlado Possibilita a criação de cenários de falha de forma equilibrada em relação as classes Não é necessário interromper um processo industrial 14 Exemplos de implementação de falhas 15 Escolha adequada dos sensores 16 Posicionamento dos sensores 17 Seleção da placa de aquisição 18 Aquisição e gravação de dados 19 20 Quantidade de instâncias gravadas Bases geradas a partir de máquinas reais Geralmente apresentam poucas instâncias É altamente custoso produzir este tipo de bases de dados Dificilmente são disponibilizadas pelos fabricantes de equipamentos 21 Fonte Freepik Bases geradas a partir de máquinas reais 22 Fabricante MTU Tipo T1237K11 N de Cilindros 12 cilindros Combustível Diesel Potência Máxima 1193 kW Rotação Máxima 1900 RPM Torque Máximo 7595 Nm Comprimento do Curso 190 mm Diâmetro do Cilindro 165 mm Fonte Victor 2023 Instalação dos sensores 23 Fonte Victor 2023 Arquivos de bases de dados 24 Na maior parte dos casos estão disponíveis nos formatos csv ou txt Fonte Mariana 2022 Onde obter bases de dados Repositórios e sites específicos httpsdatamendeleycom httpszenodoorg httpsarchiveicsuciedumlindexphp httpsieeedataportorgdatasets httpsgithubcomCharlie5DHPredictiveMaintenanceandVibration Resources httpswwwkagglecom httpsengineeringcaseedubearingdatacenter httpwww02smtufrjbroffshoremfspage01html 25 Préprocessamento de dados 26 Filtragem dos sinais Os sinais advindos dos sensores precisam de um condicionamento Sinais de vibração tensão elétrica e corrente elétrica apresentam um alto nível de ruído 27 Tipos de filtros 28 Fonte João Aplicação da filtragem 29 Fonte Mathworks Implementação dos filtros 30 lowpassx fpass fs Removendo a tendência do sinal 31 d o o S S media S Fonte Mathworks Sddetrenddata Detecção da envoltória do sinal 32 Sinal original Envoltória do sinal Fonte Sheen envelopex Extração de características 33 Características são peculiaridades discriminativas extraídas dos dados Permite a observação de padrões nos dados Reduz a quantidade de informação a ser processada 34 Extração de características Fonte Mathworks O processo de extração de características visa diminuir a quantidade de informação a ser processada pelo algoritmo Fonte Alceu 35 Reconhecimento de faces Consumo de combustível em automóveis Características Aceleração Tipo de motor Massa do carro Ano do modelo Tipo de modelo Fonte Quatro rodas 36 Consumo de combustível em navios em operação Fonte Mariana 2022 37 Características Distância percorrida Tempo de navegação Direção do vento Velocidade do vento Tempo em baixa velocidade Consumo de combustível em navios em posicionamento dinâmico FonteErick 2022 38 Características Aproamento Direção do vento Velocidade do vento Demanda de potência Diagnóstico e predição de falhas em máquinas rotativas 39 Fonte Aaron 2014 Características Curtose Entropia Fator de crista Pico a pico Formas de extração de características 40 Fonte Marcelo 2021 Objetivo da extração de características 41 41 Tempo s Formas de extração de características Para identificação de falhas em máquinas as características podem ser extraídas a partir do domínio do tempo ou da frequência 42 Forma eficiente de calcular a transformada discreta de Fourier Bastante utilizada no diagnóstico de falhas em máquinas rotativas Eficaz na obtenção das peculiaridades estacionárias do sinal Transformada Rápida de Fourier 43 Funções do Matlab 45 Características baseadas em imagens Usando a representação por espectrograma 46 Fonte PHAM 2020 Características baseadas em imagens Usando a representação por trilhas da análise senoidal 47 Fonte Martins 2021 Como saber quais características extrair Buscando nas referencias bibliográficas relevantes sobre o tema Matlab 49 Revisão de comandos básicos 50 Inicializando um vetor com zeros 51 52 Inicializando um vetor com uns 53 Inicializando uma matriz com zeros 54 Inicializando uma matriz com uns Criando uma matriz identidade 55 56 Inicializando um vetor com nº inteiros aleatórios 57 Tamanho de um vetor Dimensões de uma matriz 58 Transposição de vetores 59 Transposição de matrizes 60 Comando for Loop crescente 61 Comando for Loop decrescente 62 63 Comando for Loops múltiplos 64 Comando if 65 Comando if else 66 Armazenando vetores em uma struct 67 Armazenando matrizes em uma struct Carregando Banco de dados 68 69 Exemplo de arquivo csv 70 Exemplo de arquivo csv Transformando csv em mat 71 72 Transformando csv em mat Files 73 Transformando csv em mat normal 74 Transformando csv em mat normal1ch 75 Extraindo características no domínio do tempo 76 Extraindo características no tempo Propriedades do filtro 77 78 Extraindo características no tempo Filtrando o sinal 79 Extraindo características no tempo 80 Extraindo características no tempo Indicador de progresso 81 Extraindo características no tempo 82 Extraindo características no domínio da frequência 83 Extraindo características na frequência 84 Extraindo características na frequência 85 Extraindo características na frequência 86 Zero Padding Fonte National Instruments 87 Espectro de frequência do tacômetro Velocidade de rotação 88 Extraindo características na frequência 89 Extraindo características na frequência 90 91 Espectro de frequência do acelerômetro X 92 Extraindo o valor médio 93 Construindo o vetor de características 94 Salvando as características Referências bibliográficas MARTINS Dionisio COMFAULDA Composed Fault Dataset IEEE Data Port p152023 YANG Hongyu MATHEW Joseph MA Lin Vibration feature extraction techniques for fault diagnosis of rotating machinery a literature survey In Asiapacific vibration conference 2003 p 801807 VISHWAKARMA Manish et al Vibration analysis condition monitoring for rotating machines a review Materials Today Proceedings v 4 n 2 p 26592664 2017 95
Send your question to AI and receive an answer instantly
Preview text
Machine Learning Aula 1 Base de dados e extração de características 1 Sumário 1 Introdução 2 Bases de dados 3 Préprocessamento de dados 4 Extração de características 5 Aplicações no Matlab 2 Introdução 3 É a área de estudo em que os computadores têm a capacidade de aprender tarefas sem terem sido explicitamente programados para isso Arthur Samuel 4 Aprendizado de Máquina No treinamento as entradas devem ser identificadas para a escolha do modelo 5 Exemplo de classificação supervisionada Exemplos Largura Brilho Identificação Peixe 1 18 8 Robalo Peixe 2 15 4 Salmão Peixe 3 20 2 Salmão Peixe 4 17 6 Robalo Peixe n1 14 2 Salmão Peixe n 20 6 Robalo Matriz de entrada 15 kbits x15 kbits 6 Identificação de classes Exemplo de regressão supervisionada 7 Predição do consumo de combustível de automóveis Fonte Mathworks Etapas do aprendizado supervisionado 8 Aquisição de dados Pré Processamento de dados Extração de características Pré Processamento de características Seleção de características Classificação Regressão Aumento de dados Bases de dados Fonte de informação para os algoritmos de aprendizado de máquina Para construção de bons modelos de predição a base de dados deve ter qualidade dos dados 9 Fonte PHAM 2020 Tipos de bases de dados Modelos Bancadas experimentais Máquinas reais Numéricos 10 Bases geradas a partir de modelos numéricos São usadas quando não estão disponíveis bases provenientes de bancadas experimentais ou de máquinas reais Quando é necessário avaliar condições de severidade de falha que não podem ser implementadas diretamente em máquinas reais 11 Bases geradas a partir de modelos numéricos Os dados precisam ser validados com os dados provenientes de máquinas reais 12 Fonte Pestana 2023 adaptada Base de Dados produzida a partir de um modelo numérico de um motor diesel marítimo 13 Fonte Pestana 2023 adaptada Gravação de base de dados usando uma bancada experimental Permite o estudo de cenários de falha em um ambiente controlado Possibilita a criação de cenários de falha de forma equilibrada em relação as classes Não é necessário interromper um processo industrial 14 Exemplos de implementação de falhas 15 Escolha adequada dos sensores 16 Posicionamento dos sensores 17 Seleção da placa de aquisição 18 Aquisição e gravação de dados 19 20 Quantidade de instâncias gravadas Bases geradas a partir de máquinas reais Geralmente apresentam poucas instâncias É altamente custoso produzir este tipo de bases de dados Dificilmente são disponibilizadas pelos fabricantes de equipamentos 21 Fonte Freepik Bases geradas a partir de máquinas reais 22 Fabricante MTU Tipo T1237K11 N de Cilindros 12 cilindros Combustível Diesel Potência Máxima 1193 kW Rotação Máxima 1900 RPM Torque Máximo 7595 Nm Comprimento do Curso 190 mm Diâmetro do Cilindro 165 mm Fonte Victor 2023 Instalação dos sensores 23 Fonte Victor 2023 Arquivos de bases de dados 24 Na maior parte dos casos estão disponíveis nos formatos csv ou txt Fonte Mariana 2022 Onde obter bases de dados Repositórios e sites específicos httpsdatamendeleycom httpszenodoorg httpsarchiveicsuciedumlindexphp httpsieeedataportorgdatasets httpsgithubcomCharlie5DHPredictiveMaintenanceandVibration Resources httpswwwkagglecom httpsengineeringcaseedubearingdatacenter httpwww02smtufrjbroffshoremfspage01html 25 Préprocessamento de dados 26 Filtragem dos sinais Os sinais advindos dos sensores precisam de um condicionamento Sinais de vibração tensão elétrica e corrente elétrica apresentam um alto nível de ruído 27 Tipos de filtros 28 Fonte João Aplicação da filtragem 29 Fonte Mathworks Implementação dos filtros 30 lowpassx fpass fs Removendo a tendência do sinal 31 d o o S S media S Fonte Mathworks Sddetrenddata Detecção da envoltória do sinal 32 Sinal original Envoltória do sinal Fonte Sheen envelopex Extração de características 33 Características são peculiaridades discriminativas extraídas dos dados Permite a observação de padrões nos dados Reduz a quantidade de informação a ser processada 34 Extração de características Fonte Mathworks O processo de extração de características visa diminuir a quantidade de informação a ser processada pelo algoritmo Fonte Alceu 35 Reconhecimento de faces Consumo de combustível em automóveis Características Aceleração Tipo de motor Massa do carro Ano do modelo Tipo de modelo Fonte Quatro rodas 36 Consumo de combustível em navios em operação Fonte Mariana 2022 37 Características Distância percorrida Tempo de navegação Direção do vento Velocidade do vento Tempo em baixa velocidade Consumo de combustível em navios em posicionamento dinâmico FonteErick 2022 38 Características Aproamento Direção do vento Velocidade do vento Demanda de potência Diagnóstico e predição de falhas em máquinas rotativas 39 Fonte Aaron 2014 Características Curtose Entropia Fator de crista Pico a pico Formas de extração de características 40 Fonte Marcelo 2021 Objetivo da extração de características 41 41 Tempo s Formas de extração de características Para identificação de falhas em máquinas as características podem ser extraídas a partir do domínio do tempo ou da frequência 42 Forma eficiente de calcular a transformada discreta de Fourier Bastante utilizada no diagnóstico de falhas em máquinas rotativas Eficaz na obtenção das peculiaridades estacionárias do sinal Transformada Rápida de Fourier 43 Funções do Matlab 45 Características baseadas em imagens Usando a representação por espectrograma 46 Fonte PHAM 2020 Características baseadas em imagens Usando a representação por trilhas da análise senoidal 47 Fonte Martins 2021 Como saber quais características extrair Buscando nas referencias bibliográficas relevantes sobre o tema Matlab 49 Revisão de comandos básicos 50 Inicializando um vetor com zeros 51 52 Inicializando um vetor com uns 53 Inicializando uma matriz com zeros 54 Inicializando uma matriz com uns Criando uma matriz identidade 55 56 Inicializando um vetor com nº inteiros aleatórios 57 Tamanho de um vetor Dimensões de uma matriz 58 Transposição de vetores 59 Transposição de matrizes 60 Comando for Loop crescente 61 Comando for Loop decrescente 62 63 Comando for Loops múltiplos 64 Comando if 65 Comando if else 66 Armazenando vetores em uma struct 67 Armazenando matrizes em uma struct Carregando Banco de dados 68 69 Exemplo de arquivo csv 70 Exemplo de arquivo csv Transformando csv em mat 71 72 Transformando csv em mat Files 73 Transformando csv em mat normal 74 Transformando csv em mat normal1ch 75 Extraindo características no domínio do tempo 76 Extraindo características no tempo Propriedades do filtro 77 78 Extraindo características no tempo Filtrando o sinal 79 Extraindo características no tempo 80 Extraindo características no tempo Indicador de progresso 81 Extraindo características no tempo 82 Extraindo características no domínio da frequência 83 Extraindo características na frequência 84 Extraindo características na frequência 85 Extraindo características na frequência 86 Zero Padding Fonte National Instruments 87 Espectro de frequência do tacômetro Velocidade de rotação 88 Extraindo características na frequência 89 Extraindo características na frequência 90 91 Espectro de frequência do acelerômetro X 92 Extraindo o valor médio 93 Construindo o vetor de características 94 Salvando as características Referências bibliográficas MARTINS Dionisio COMFAULDA Composed Fault Dataset IEEE Data Port p152023 YANG Hongyu MATHEW Joseph MA Lin Vibration feature extraction techniques for fault diagnosis of rotating machinery a literature survey In Asiapacific vibration conference 2003 p 801807 VISHWAKARMA Manish et al Vibration analysis condition monitoring for rotating machines a review Materials Today Proceedings v 4 n 2 p 26592664 2017 95