Uma Arquitetura de Sistema Embarcado Utilizando técnicas de Deep Learning e Sinais de Vibração para Diagnóstico de Falhas em Rolamentos de Motores Elétricos

Abstract

Esse trabalho aborda o tema do desenvolvimento de sistemas embarcados para detecção de falhas em rolamentos de motores elétricos baseados em sinais de vibração. O sistema utiliza uma rede CNN-M para extração de características e uma rede LSTM para classificação, e foi embarcado em uma placa de desenvolvimento B-L475E-IOT01A da STMicroelectronics que utiliza o microcontrolador STM32L475VGT6. Para avaliação do desempenho do sistema foram utilizadas métricas relacionadas ao desempenho na classificação, bem como métricas computacionais de requisitos de memória e tempo de processamento. Os resultados obtidos, (acurácia nos testes de 99,65% indicam a viabilidade do desenvolvimento de sistemas embarcados para detecção e diagnóstico de falhas em rolamentos de motores elétricos. Em relação as métricas computacionais, verificou-se que a utilização de CNNs na fase de extração de características, que requerem grandes quantidades de parâmetros para sua configuração, pode elevar os requisitos de memória e tempo de processamento.