ARQUITETURA ÓTIMA PARA UMA REDE NEURAL DO TIPO CNN:

ESTUDO DE CASO NA ESTIMATIVA DE VIDA ÚTIL REMANESCENTE EM MOTORES DE AERONAVES

Resumo

O presente estudo aborda o desafio da otimização de arquiteturas de Redes Neurais Convolucionais (CNNs) para a estimativa da Vida Útil Remanescente (RUL, do inglês Remaining Useful Life) em sistemas eletromecânicos. O objetivo principal foi identificar, por meio de uma investigação empírica estruturada, uma melhor configuração de CNN, que apresente um desempenho preditivo superior ao da arquitetura de referência no conjunto de dados C-MAPSS. Partindo de uma arquitetura básica, a metodologia de otimização foi conduzida para encontrar uma melhor combinação entre as configurações, resultados que foram avaliados por meio da métrica da Raiz do Erro Quadrático Médio (RMSE) e seu desvio padrão. Utilizou-se o conjunto de dados referentes à degradação de motores a jato de aeronaves obtidos por meio de simulações experimentais e disponibilizados no repositório de dados da Agência Espacial Americana (NASA). A configuração final obtida apresentou valores de RMSE inferiores e maior estabilidade em comparação com o modelo de referência inicial.