Trabalho de Conclusão de Curso
Documento
Autoria
Unidade da USP
Data de Apresentação
Orientador
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.
Data de Publicação
2015-02-20
Número de visitas
1040
Número de downloads
1490