Máquina de aprendizagem aplicada ao reconhecimento automático de falhas em motores elétricos

Este artigo utiliza-se de uma base de dados de sinais, para classificar automaticamente falhas em máquinas rotativas. São apresentados três modelos de extração de características de sinais de vibrações mecânicas, sendo: RMS (Root Means Squares), wavelet de Haar com dimensão fractal e FFT (Fast Fourier transform) com dados estatísticos. Por fim, é utilizado o conceito de máquina de aprendizagem com o classificador XGBoost (Extreme Gradient Boosting) para diagnosticar as falhas. Os resultados demonstram eficiência de todas as técnicas, sendo que a abordagem wavelet de Haar com dimensão fractal obteve resultado de acurácia de 0.9884 e área da curva ROC de 0.9752, sendo superior aos resultados da literatura utilizados como base