Registro fonte: Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua

Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua

Programa de Pós-Graduação em Engenharia Elétrica da UTFPR Associado à Universidade Estadual de Londrina

Autor principal:	Bazan, Gustavo Henrique
Formato:	Tese
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2021
Assuntos:	Sistemas especialistas (Computação) Motores elétricos de indução Máquinas elétricas de indução Expert systems (Computer science) Electric motors, Induction Electric machinery, Induction CNPQ::ENGENHARIAS Engenharia Elétrica
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/25597
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-25597
recordtype	dspace
spelling	riut-1-255972021-07-18T06:03:29Z Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua Intelligent identification of electrical machine faults using mutual information Bazan, Gustavo Henrique Goedtel, Alessandro http://lattes.cnpq.br/1920650157123774 Goedtel, Alessandro http://lattes.cnpq.br/1920650157123774 Andreoli, Andre Luiz http://lattes.cnpq.br/8962036732560069 Pereira, Carlos Eduardo http://lattes.cnpq.br/7437115504621985 Nascimento, Claudionor Francisco do http://lattes.cnpq.br/7482480424827756 Suetake, Marcelo Sistemas especialistas (Computação) Motores elétricos de indução Máquinas elétricas de indução Expert systems (Computer science) Electric motors, Induction Electric machinery, Induction CNPQ::ENGENHARIAS Engenharia Elétrica Programa de Pós-Graduação em Engenharia Elétrica da UTFPR Associado à Universidade Estadual de Londrina Three-phase induction motors are widely employed in industrial production processes due to their low acquisition cost and maintenance and adaptation in front of different conditions of mechanical loads and robustness for use in harsh environments. Diagnosing an incipient fault when these motors are in operation, even before significant faults may occur, should receive special attention from the industry. Thus, a proper diagnosis can reduce losses in the processes, time out of service, and the equipment breaks down and ensures consistent and reliable industrial systems operation. In this context, this paper presents an approach concerning the use of intelligent systems and signal processing tools in the classification of bearing, rotor, and stator fault diagnosis in induction motors, even when they are subject to various operating conditions such as variations in load torque independent of machine power supply. This work proposes the extraction of the fault characteristics based on delayed mutual information measurements between the stator line current signals, 𝑖𝑎, and 𝑖𝑏, in the time domain. To evaluate the classification accuracy under various fault severity levels, the performance of three different pattern recognition techniques were compared: artificial neural network type multilayer perceptron, k-nearest neighbors and support vector machine. The offline and online experimental results presented in this work validate the proposed approach’s robustness and effectiveness. Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq) Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná Os motores de indução trifásicos são amplamente empregados em processos de produção industrial, devido ao seu baixo custo de aquisição e manutenção, bem como sua adaptação diante de diferentes condições de cargas mecânicas e robustez para uso em ambientes agressivos. O diagnóstico de uma falha incipiente quando esses motores estão em operação, mesmo antes que falhas significativas possam ocorrer, devem receber uma especial atenção da indústria. Assim, um diagnóstico adequado pode levar à redução das perdas nos processos, tempo fora de serviço e a quebra do equipamento, além de garantir operação consistente e confiável dos sistemas industriais. Neste contexto, este trabalho apresenta uma proposta sobre o uso de ferramentas de processamento de sinais e sistemas inteligentes no diagnóstico de falhas de rolamentos, rotor e estator em motores de indução, mesmo quando sujeitos a diversas condições de operação, como variações no torque de carga independente da alimentação da máquina. Este trabalho propõe a extração das características de falha baseadas em medidas de informação mútua atrasada entre os sinais das correntes de linha do estator, 𝑖𝑎 e 𝑖𝑏, no domínio do tempo. Para avaliar a acurácia da classificação sob vários níveis de severidade de falhas, comparou-se o desempenho de três diferentes técnicas de reconhecimento de padrões: rede neural artificial do tipo perceptron multicamadas, k-vizinhos mais próximos e máquinas de vetores de suporte. Os resultados experimentais off-line e on-line apresentados neste trabalho validam a robustez e a eficácia da abordagem proposta. 2021-07-17T13:44:07Z 2021-07-17T13:44:07Z 2020-12-16 doctoralThesis BAZAN, Gustavo Henrique. Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua. 2020. Tese (Doutorado em Engenharia Elétrica -Utpfr) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020. http://repositorio.utfpr.edu.br/jspui/handle/1/25597 por openAccess https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Tecnológica Federal do Paraná Cornelio Procopio Brasil Programa de Pós-Graduação em Engenharia Elétrica -UTFPR UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Sistemas especialistas (Computação) Motores elétricos de indução Máquinas elétricas de indução Expert systems (Computer science) Electric motors, Induction Electric machinery, Induction CNPQ::ENGENHARIAS Engenharia Elétrica
spellingShingle	Sistemas especialistas (Computação) Motores elétricos de indução Máquinas elétricas de indução Expert systems (Computer science) Electric motors, Induction Electric machinery, Induction CNPQ::ENGENHARIAS Engenharia Elétrica Bazan, Gustavo Henrique Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
description	Programa de Pós-Graduação em Engenharia Elétrica da UTFPR Associado à Universidade Estadual de Londrina
format	Tese
author	Bazan, Gustavo Henrique
author_sort	Bazan, Gustavo Henrique
title	Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
title_short	Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
title_full	Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
title_fullStr	Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
title_full_unstemmed	Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
title_sort	identificação inteligente de falhas em máquinas elétricas utilizando informação mútua
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2021
citation	BAZAN, Gustavo Henrique. Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua. 2020. Tese (Doutorado em Engenharia Elétrica -Utpfr) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/25597
_version_	1805315352190517248
score	10,814766

Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua

Registros relacionados