Mapa Auto-Organizável Probabilístico.
Descargas Parciais; Self-Organized Map; Classificação de DPs; Hidrogeradores; Inteligência Artificial; Redes Neurais.
Neste trabalho é proposta uma metodologia para classificação automática baseada no mapa auto-organizável de Kohonen (SOM – Self-Organized Map) que foi denominada de Mapa Auto-Organizável Probabilístico (SOPM - Self-Organized ProbabilisticMap). O SOPM alia o processo de redução de dimensionalidade dos problemas para um mapa bi-dimensional, característico da rede de Kohonen, com a possibilidade de realizar a classificação automática das amostras; além de possibilitar a identificação de amostras dúbias entre duas ou mais classes. As contribuições deste trabalho são as seguintes: (i) desenvolvimento de metodologia para realizar classificação automática utilizando mapas de Kohonen; e (ii) classificação de amostras ruidosas ou dúbias por meio da atribuição de probabilidades de pertencimento a duas ou mais classes. O SOPM foi aplicado no problema de classificação de descargas parciais (DPs) em enrolamentos estatóricos de hidrogeradores. A base de dados é composta de mapas PRPD (Phase-Resolved Partial Discharges) provenientes de medições de DP online de hidrogeradores operando em ambiente real. A média das taxas de acerto para cada classe ficou em torno de 89%.