Métodos de análise e detecção de sinais de vibração: integração do modelo de Alzheimer e Random Forest

Abstract

O estágio de Pós-Doutorado foi realizado na Faculdade de Tecnologia (FATEC) de Lins, no Laboratório de Metrologia Científica da unidade, entre 01 de agosto de 2024 e 01 de agosto de 2025. O objetivo geral do projeto consistiu em desenvolver um modelo robusto e preciso para a detecção de falhas em sinais de vibração, utilizando a integração inovadora dos modelos matemáticos de Alzheimer com o algoritmo Random Forest. A metodologia criada foi especificamente aplicada ao monitoramento e diagnóstico de falhas em sistemas mecânicos, com especial atenção à vibração mecânica. Os experimentos numéricos realizados permitiram identificar variações sutis nos padrões de vibração, distinguindo sinais normais de sinais com falhas emergentes. A eficácia do modelo proposto foi rigorosamente avaliada através das métricas de desempenho acurácia, precisão, recall e F1-Score, apresentando resultados satisfatórios e consistentes. Ademais, foram desenvolvidas soluções específicas para minimizar as falhas causadas pela aleatoriedade dos sinais, utilizando dados reais coletados experimentalmente e técnicas avançadas de validação cruzada. O primeiro objetivo específico, a seleção da técnica apropriada para integração dos modelos matemáticos de Alzheimer e algoritmos de aprendizado de máquina, foi plenamente atingido. O segundo objetivo específico envolveu a formação de recursos humanos, concretizado através da orientação de dois projetos de iniciação científica voltados ao monitoramento e diagnóstico de falhas em sistemas dinâmicos com uso de modelos numéricos e técnicas computacionais avançadas. Durante o período do estágio, foram realizadas atividades didáticas relacionadas ao tema do projeto na própria unidade acadêmica, contribuindo para o fortalecimento da pesquisa interdisciplinar entre estudantes de graduação, principalmente nas áreas de metrologia, sistemas dinâmicos e machine learning. O resultado do estágio foi uma experiência enriquecedora que não apenas cumpriu integralmente os objetivos planejados, mas também proporcionou uma base sólida para futuros estudos e aplicações práticas, ampliando horizontes e fortalecendo as relações acadêmicas e tecnológicas dentro e fora da instituição.

The Postdoctoral internship was carried out at the Faculty of Technology (FATEC) of Lins, in the unit's Scientific Metrology Laboratory, between August 1, 2024 and August 1, 2025. The overall objective of the project was to develop a robust and accurate model for the detection of faults in vibration signals, using the innovative integration of Alzheimer's mathematical models with the Random Forest algorithm. The methodology created was specifically applied to the monitoring and diagnosis of failures in mechanical systems, with special attention to mechanical vibration. The numerical experiments carried out allowed the identification of subtle variations in vibration patterns, distinguishing normal signals from signals with emergent failures. The effectiveness of the proposed model was rigorously evaluated through the performance metrics accuracy, precision, recall and F1-Score, presenting satisfactory and consistent results. In addition, specific solutions were developed to minimize the failures caused by the randomness of the signals, using real data collected experimentally and advanced cross-validation techniques. The first specific objective, the selection of the appropriate technique for integrating Alzheimer's mathematical models and machine learning algorithms, was fully achieved. The second specific objective involved the training of human resources, achieved through the guidance of two scientific initiation projects aimed at monitoring and diagnosing failures in dynamic systems using numerical models and advanced computational techniques. During the internship period, didactic activities related to the theme of the project were carried out in the academic unit itself, contributing to the strengthening of interdisciplinary research among undergraduate students, especially in the areas of metrology, dynamic systems and machine learning. The result of the internship was an enriching experience that not only fully fulfilled the planned objectives, but also provided a solid foundation for future studies and practical applications, broadening horizons and strengthening academic and technological relationships inside and outside the institution.