Redes neurais convolucionais para classificação de sinais de emissão acústica de falhas em motores de indução trifásicos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorScalassara, Paulo Rogerio-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-7169-954X-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5016119298122922-
Autor(es): dc.contributorSpatti, Danilo Hernane-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-4613-4509-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7371885828178292-
Autor(es): dc.contributorCastoldi, Marcelo Favoretto-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6178029384175205-
Autor(es): dc.contributorScalassara, Paulo Rogerio-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5016119298122922-
Autor(es): dc.contributorSouza, Wesley Angelino de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8594457321079718-
Autor(es): dc.creatorSantos, Lucas Teodoro dos-
Data de aceite: dc.date.accessioned2025-08-29T13:09:14Z-
Data de disponibilização: dc.date.available2025-08-29T13:09:14Z-
Data de envio: dc.date.issued2024-09-23-
Data de envio: dc.date.issued2024-09-23-
Data de envio: dc.date.issued2024-05-27-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/34864-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1108262-
Descrição: dc.descriptionThree-phase induction motors (TIM) play a fundamental role in the industry due to their simple construction, uncomplicated maintenance, and economical operation. However, due to wear and tear, the environments in which they are used, and power quality issues, these motors are prone to failures, which can result in unexpected shutdowns. Given the consequences of these failures in industrial processes, it is crucial to identify them to minimize damage. This work proposes an alternative methodology to detect faults in MIT, using acoustic emission (AE) signals and convolutional neural networks (CNN). The methodology encompasses the classification of faults related to the rotor, stator, and bearing, as well as tests related to the classification of electrical unbalance faults. Different CNN topologies were compared, with the topology performing best achieving a validation accuracy of 98.67% in the multiclass classification related to rotor, stator, and bearing faults.-
Descrição: dc.descriptionOs motores de indução trifásicos (MIT) desempenham um papel fundamental na indústria devido à sua construção simples, manutenção descomplicada e operação econômica. No entanto, devido ao desgaste, ao ambiente em que são utilizados e a problemas de qualidade de energia, esses motores estão suscetíveis a falhas, que podem resultar em paradas inesperadas. Dadas as consequências dessas falhas em processos industriais, é crucial identificá-las para minimizar os danos. Este trabalho propõe uma metodologia alternativa para detectar falhas em MIT, utilizando sinais de emissão acústica (EA) e redes neurais convolucionais (CNN). A metodologia abrange a classificação de falhas relacionadas ao rotor, estator e rolamento, bem como testes relacionados a classificação de falhas de desequilíbrio elétrico. Foram comparadas diferentes topologias de CNN, sendo que a topologia com melhor desempenho alcançou uma acurácia de validação de 98,67% na classificação multiclasse relacionada as falhas de rotor, estator e rolamento.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCornelio Procopio-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectMotores elétricos de indução-
Palavras-chave: dc.subjectEngenharia elétrica-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectElectric motors, Induction-
Palavras-chave: dc.subjectElectric engineering-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleRedes neurais convolucionais para classificação de sinais de emissão acústica de falhas em motores de indução trifásicos-
Título: dc.titleConvolutional neural networks for classifying fault a coustic emission signals in three-phase induction motors-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.