Trabalho de Conclusão de Curso

Documento

Autoria

Fontenele, Vitor do Nascimento

Unidade da USP

Data de Apresentação

Orientador

Suetake, Marcelo

Banca

Vieira Júnior, José Carlos de Melo
Borges, Fábbio Anderson Silva

Título em Português

Aplicação de sistemas inteligentes para análise e identificação de falhas em motores de indução trifásicos.

Palavras-chave em Português

Motor de indução trifásico
Sistemas inteligentes
Redes neurais artificiais
Diagnóstico de falhas
Falhas estatórias
Motores de indução
Redes neurais
Falha (diagnóstico)

Resumo em Português

É constante e mundialmente difundida a busca por um sistema capaz de indicar, prever e/ou estimar a presença, teor e magnitude das falhas mais comuns apresentadas pelos Motores de Indução Trifásicos, que apresente fácil implementação e baixo custo computacional. Nesse sentido, este trabalho considerou as técnicas de análise da assinatura de corrente no domínio do tempo, investigando exaustivamente os atributos (média, variância, momentos estatísticos, curtose, obliquidade) que podem ser extraídos do sinal de corrente do motor, a fim de determinar uma topologia ótima de classificação neuronal, selecionando os atributos mais relevantes para a identificação das faltas de curto-circuito estatórico em estudo. A técnica desenvolvida foi então validada com ensaios de máquinas em diferentes condições de acionamento, carga e níveis de falha. Apesar de enfrentar dificuldades frente a variações de frequência quando treinada apenas com amostras de acionamento direto como previsto na literatura, a rede teve resultado excelente nos testes de generalização e frente a amostras ruidosas.

Palavras-chave em Inglês

Three phase induction motors
Intelligent systems.
Artificial neural networks.
Fault diagnosis.
Stator faults..

Resumo em Inglês

It is constant and widespread the research for a system capable of indicating, predicting or estimating the presence, type, and magnitude of the most common faults in three-phase induction motors with low computing cost and easy implementation. Accordingly, this study considered the Time-Domain Motor Current Signature Analysis, thoroughly investigating the attributes (mean, variance, statistical moments, kurtosis, skewness) which could be extracted from the motor current signal, in order to determine an optimal topology for a neural classifier, selecting the most relevant attributes for identifying the short-circuit stator faults in study. The technique developed was then validated against real machines tests in different driving, load, and fault conditions. Despite facing difficulties when facing frequency variations when trained only with direct driving samples as predicted by the literature review, the network excelled in generalization tests and noisy samples tests.

Arquivos

AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Fontenele_Vitor_do_Nascimento.pdf (4.36 Mbytes)

 

Data de Publicação

2015-02-20

Número de visitas

1040

Número de downloads

1490