Descrição dos Feature Sets

Após a observação das análises com maior potencial na classificação do estado de avaria do rolamento na secção5.2, foram encontrados osfeature sets iniciais a ser utilizados. Este

processo de formação dosfeature sets continuou a ser efetuado de forma iterativa, ou seja,

houve uma primeira observação do desempenho dosfeature sets diretamente resultantes

de cada uma das análises efetuadas (independentemente) e formados outrosfeature sets

com base nestes resultados. Neste sentido, numa primeira fase foram definidos 3feature sets: o primeiro correspondendo às features resultantes da análise estatística da vibração,

o segundo com asfeatures resultantes da análise estatística da amplitude instantânea da

THda vibração e o terceiro com asfeatures resultantes da análise espectral da vibração.

Posteriormente a um primeiro balanço dos desempenhos destes 3feature sets foi ob-

a classificação entre duas e quatro classes, pelo que foram definidos outros 3feature sets

correspondendo a todas as combinações possíveis entre o terceirofeature set e os restantes.

De outra forma foi também definido um novo feature set com a junção da análise esta-

tística da vibração e da amplitude instantânea daTHde modo a avaliar a diferença de desempenho quando utilizadas em conjunto. Todas as combinações estão ilustradas na Figura6.2.

Figura 6.2: Esquema da constituição dosfeature sets resultantes da análise da vibração

Além dosfeature sets previamente mencionados foi criado um resultante da avaliação

daRFEao conjunto de todas asfeatures utilizadas para a classificação, ou seja, o conjunto

defeatures do feature set 7, passando este a corresponder ao feature set 8. ARFEfoi efetuada para a classificação entre duas e quatro classes, estando detalhada na secção6.3.2.1.

A descrição de cada um dosfeature sets encontra-se abaixo.

FS 1. Análise estatística da vibração no domínio do tempo

Cada linha é composta por 12 colunas, sendo que estas contêm as features resultantes da análise estatística da vibração (RMS, média, mediana, variância, desvio padrão, máximo, mínimo, amplitude, assimetria, curtose, máximo do módulo da vibração e crest), como descrito na sub-secção5.2.1.

FS 2. Análise estatística da amplitude instantânea daTHda vibração no domínio do tempo

Cada linha é composta por 10 colunas, sendo que estas contêm as features resultantes da análise estatística da amplitude instantânea da THda vibração (RMS, média, mediana, variância, desvio padrão, máximo, mínimo, amplitude, assimetria, curtose), como descrito na sub-secção5.2.1.

6 . 3 . D E T E Ç ÃO DA AVA R I A AT R AV É S DA A N Á L I S E DA V I B R AÇ ÃO

Cada linha é composta por 18 colunas, sendo que estas contêm a análise espectral dos 6 maiores picos de frequência (frequência, intensidade e densidade espectral de cada pico) no intervalo de frequências disponível para análise segundo o teorema de Nyquist, como descrito na sub-secção5.2.2.

FS 4. Análise estatística da vibração e da amplitude instantânea daTHda vibração no domínio do tempo

Cada linha é composta por 22 colunas, sendo que estas contêm a junção das features descri- tas nos feature sets 1 e 2.

FS 5. Análise estatística da vibração no domínio do tempo + Análise espectral da vi- bração no intervalo Nyquist

Cada linha é composta por 30 colunas, sendo que estas contêm a junção das features descri- tas nos feature sets 1 e 3.

FS 6. Análise estatística da amplitude instantânea daTHda vibração no domínio do tempo + Análise espectral da vibração no intervalo Nyquist

Cada linha é composta por 28 colunas, sendo que estas contêm a junção das features descri- tas nos feature sets 2 e 3.

FS 7. Análise estatística da vibração e da amplitude instantânea daTHda vibração no domínio do tempo + Análise espectral da vibração no intervalo Nyquist

Cada linha é composta por 40 colunas, sendo que estas contêm a junção das features descri- tas nos feature sets 1, 2 e 3.

FS 8. Recursive Feature Elimination

No caso da classificação entre duas classes cada linha é composta por 13 colunas, sendo que na classificação entre quatro classes cada linha é composta por 20 colunas. Estes conjuntos de features correspondem aos conjuntos que obtiveram melhores resultados na RFEdescrita na secção6.3.2.1.

6.3.2.1 Recursive Feature Elimination

Na definição de um dos feature sets foi utilizada a abordagem RFE sendo que esta foi feita com base na análise dodatasetCWRU. Dado que existem dois objetivos diferentes de classificação com base na análise da vibração (classificação entre estado saudável e avariado e classificação entre estado saudável e avariado com identificação da avaria), esta técnica foi utilizada para ambos.

Para a classificação entre estado saudável e avariado (duas classes) a RFE foi feita sobre todas asfeatures excepto as resultantes do 9º pico de frequência da análise espectral

da vibração. Esta opção foi tomada dado que era de conhecimento prévio (com base nos resultados obtidos com os restantesfeature sets) de que o potencial de classificação

não seria limitado pela não utilização deste 9º pico e esta opção possibilita replicar a utilização dofeature set resultante em todos os conjuntos de dados da optisigma (no caso

da utilização de uma frequência de amostragem de 0.8 kHz e um período de análise de 20 ms é possível analisar apenas 8 picos de frequência entre 1-400 Hz).

No caso da classificação entre quatro classes foram avaliadas a totalidade dasfeatures

disponíveis.

(a) Duas classes (b) Quatro classes

Figura 6.3: Variação do kappa obtido com aRFEpara a classificação entre duas e quatro classes

Como é possível observar na Figura6.3, que ilustra a variação do kappa obtido conso- ante o número de variáveis utilizadas para a classificação, os resultados daRFEmostram que a classificação entre duas classes consegue atingir o melhor resultado com a utilização de um menor número defeatures que a classificação entre quatro classes, como esperado.

No caso da classificação entre duas classes, na Figura6.3a, o melhor resultado é atin- gido com a utilização de 13features, sendo que são todas resultantes da análise espectral

da vibração e correspondem às frequências dos 8 maiores picos de frequência e às den- sidades espectrais dos 5 maiores picos de frequência. Para o caso da classificação entre quatro classes, na Figura6.3b, é atingido o melhor resultado com 20features sendo que

estas resultam maioritariamente da análise espectral da vibração mas também da análise estatística da vibração e da amplitude instantânea daTHda vibração e correspondem às frequências dos 9 maiores picos de frequência, às densidades espectrais dos 5 maiores pi- cos de frequência, à mediana, variância, desvio padrão, curtose e assimetria da amplitude instantânea daTHda vibração e à amplitude da vibração.

Os resultados detalhados do uso desta técnica para a definição de umfeature set estão

6 . 3 . D E T E Ç ÃO DA AVA R I A AT R AV É S DA A N Á L I S E DA V I B R AÇ ÃO