Uma vez obtidos via CFD os padrões de distribuição de variáveis de diagnóstico, estes foram processados de modo a elaborar um sistema de diagnóstico recorrendo a ANN (Artificial Neural Networks – Redes Neuronais Artificiais), com a expetativa inicial destas últimas garantirem um desempenho adequado mesmo sob as suas formas mais simples
e usuais disponíveis na toolbox própria do MATLAB^®. Isto tanto em termos de arquitetura de sistema, usando redes feedforward com em múltiplas camadas, como no que aos algoritmos de treino diz respeito, concretamente os algoritmos backpropagation padrão [7, 8].

Os fluxos de calor resultantes das simulações CFD foram exportados para Excel, onde foram processados e associados ao caso particular a que se referem, em termos de normalidade ou anormalidade da situação. Este processo inclui nomeadamente uma normalização dos valores para o intervalo [-1,1], a sua colocação em ordem aleatória (de modo a eliminar enviesamentos associados à ordem de apresentação dos valores) e uma separação em três subconjuntos de dados distintos, designados conjunto de treino, validação e teste e contendo tipicamente 60, 30 e 10% do número total de conjuntos de dados [9, 10].

O motivo para esta divisão é intrínseco ao processo de treino, em que os conjuntos de dados são apresentados sequencialmente à rede neuronal, que
ajusta os seus coeficientes sinápticos de modo a representar da forma mais adequada as relações entre os parâmetros de diagnóstico usados como vetores de input de rede e os valores-objetivo definidos como outputs. Um dos problemas passíveis de ocorrer no processo de treino é usualmente designado por overfitting. Este sobreajuste pode ocorrer para um dado número de iterações a partir do qual a rede passa a estar demasiado “especializada” no reconhecimento dos padrões com que foi treinada e perde consequentemente qualquer capacidade de generalização, sendo incapaz de reconhecer e classificar padrões que não tenham sido utilizados no processo de treino.

Hugo Calisto e Nelson Martins
Departamento de Engenharia Mecânica – Universidade de Aveiro, Portugal

Para ler o artigo completo faça a subscrição da revista e obtenha gratuitamente o link de download da revista “Manutenção” nº113. Pode também solicitar apenas este artigo através do email: a.pereira@cie-comunicacao.pt

Outros artigos relacinados

• Dossier “Análise e diagnóstico na manutenção” da edição 120 da revista “Manutenção”;
• Artigo “Diagnóstico do estado da manutenção – uma abordagem holística (2.ª parte)” da edição 120 da revista “Manutenção”;
• Artigo “Sistema de diagnóstico para caldeiras e fornalhas Utilizando CFD e redes neuronais – 1.ª Parte” da edição 112 da revista “Manutenção”;