A área de monitoração e diagnóstico vem apresentando um acentuado desenvolvimento nos últimos anos com a introdução de novas técnicas de diagnóstico bem como vem contando com a contribuição dos computadores no processamento das informações e das técnicas de diagnósticos. A contribuição da inteligência artificial na automatização do diagnóstico de defeito vem se desenvolvendo continuamente e a crescente automação na indústria vêm de encontro a estas novas técnicas. Na área nuclear, é crescente a preocupação com a segurança nas instalações, e têm sido procuradas técnicas mais eficazes para aumentar o nível de segurança [59]. Algumas usinas nucleares já possuem instaladas, em algumas máquinas, sensores que permitem a verificação de suas condições operacionais. Desta forma, este trabalho também pode colaborar nesta área, ajudando no diagnóstico das condições de operação das máquinas, mais especificamente, no diagnóstico das condições dos rolamentos. O principal objetivo deste trabalho é detectar e classificar os tipos de defeitos apresentados pelos rolamentos analisados e para tal desenvolveu-se uma nova técnica de extração de característica dos sinais de aceleração, baseando-se no Zero Crossing da Transformada de Wavelet contribuindo com o desenvolvimento desta dinâmica área. Como técnica de inteligência artificial foi utilizada a Lógica Paraconsistente Anotada com dois valores (LPA2v), oferecendo a sua contribuição na automação do diagnóstico de defeitos, pois esta lógica pode tratar inclusive de resultados contraditórios que as técnicas de extração de características possam apresentar. Foi desenvolvido um programa de computador onde varias técnicas de extração de características foram utilizadas para realização de diagnóstico das condições de operação dos rolamentos. Este programa foi testado através de dados experimentais obtidas em uma bancada de ensaios para rolamentos onde defeitos previamente conhecidos foram utilizados para avaliar o desempenho das novas técnicas utilizadas. Este trabalho também se concentrou na identificação de defeitos em sua fase inicial procurando utilizar acelerômetros, pois são sensores robustos, de baixo custo e facilmente encontrados na indústria em geral. Os resultados deste trabalho foram obtidos através da utilização de um banco de dados experimental e verificou-se que os resultados de diagnósticos de defeitos mostraramse bons para defeitos em fase inicial.

The monitoring and diagnosis area is presenting an impressive development in recent years with the introduction of new diagnosis techniques as well as with the use the computers in the processing of the information and of the diagnosis techniques. The contribution of the artificial intelligence in the automation of the defect diagnosis is developing continually and the growing automation in the industry meets this new techniques. In the nuclear area, the growing concern with the safety in the facilities requires more effective techniques that have been sought to increase the safety level. Some nuclear power stations have already installed in some machines, sensors that allow the verification of their operational conditions. In this way, the present work can also collaborate in this area, helping in the diagnosis of the operational condition of the machines. This work presents a new technique for characteristic extraction based on the Zero Crossing of Wavelet Transform, contributing with the development of this dynamic area. The technique of artificial intelligence was used in this work the Paraconsistente Logic of Annotation with Two values (LPA2v), contributing with the automation of the diagnosis of defects, because this logic can deal with contradictory results that the techniques of feature extraction can present. This work also concentrated on the identification of defects in its initial phase trying to use accelerometers, because they are robust sensors, of low cost and can be easily found the industry in general. The results obtained in this work were accomplished through the use of an experimental database, and it was observed that the results of diagnoses of defects shown good results for defects in their initial phase.