Analysis and Prognosis of Failures in Intelligent Hybrid Systems Using Bioengineering: Gear Coupling

Roberto Outa; Fabio Roberto Chavarette; Vishnu Narayan Mishra; Aparecido Carlos Gonçalves; Adriana Garcia; Sandro da Silva Pinto; Laxmi Rathour; Lakshmi Narayan Mishra

doi:10.18540/jcecvl8iss1pp13673-01-18e

Autores

Roberto Outa Faculdade de Tecnologia de Araçatuba – Faculdade de Tecnologia de Lins https://orcid.org/0000-0002-8649-1722
Fabio Roberto Chavarette UNESP - Univ. Estadual Paulista - Departamento de Engenharia, Física e Matemática do Instituto de Química https://orcid.org/0000-0002-1203-7586
Vishnu Narayan Mishra Indira Gandhi National Tribal University, Lalpur, Amarkantak, Anuppur 484 887, Madhya Pradesh, India https://orcid.org/0000-0002-2159-7710
Aparecido Carlos Gonçalves UNESP - Univ. Estadual Paulista - Faculdade de Engenharia de Ilha Solteira, Departamento de Engenharia Mecânica https://orcid.org/0000-0001-5376-3392
Adriana Garcia Institute of Technological Research of the State of São Paulo S.A - IPT
Sandro da Silva Pinto Faculdade de Tecnologia de Lins
Laxmi Rathour Ward number – 16, Bhagatbandh, Anuppur 484 224, Madhya Pradesh
Lakshmi Narayan Mishra Department of Mathematics, School of Advanced Sciences, VIT University, Tamil Nadu https://orcid.org/0000-0001-7774-7290

DOI:

https://doi.org/10.18540/jcecvl8iss1pp13673-01-18e

Palavras-chave:

Prognose. Sistemas Híbridos. Engrenagens.

Resumo

Este trabalho é de conceito multidisciplinar, cujo desenvolvimento é de difícil performance. Considerando ainda que, em uma das etapas é demonstrado a similaridade entre as FRF do sinal de vibração e acústica. O objetivo deste trabalho é a análise e prognose da progressão das falhas de um par de engrenagens utilizando o sistema imunológico artificial (AIS) de seleção negativa. Para que esta condição tenha sido atendida, durante o desenvolvimento deste trabalho, foram aplicados a técnica de filtro de Wiener, a análise de sinais (FRF) de vibração e acústica, a aplicação das técnicas de AIS de seleção negativa para classificação e grupamento dos sinais. O resultado final demonstra com sucesso a eficácia do processo de desenvolvimento deste trabalho e a robustez do algoritmo de AIS de seleção negativa.