Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorScalassara, Paulo Rogério-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5016119298122922-
Autor(es): dc.contributorScalassara, Paulo Rogério-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5016119298122922-
Autor(es): dc.contributorPinheiro, Alan Petrônio-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3149272924238565-
Autor(es): dc.contributorEndo, Wagner-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5229173673499346-
Autor(es): dc.contributorCastoldi, Marcelo Favoretto-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6178029384175205-
Autor(es): dc.creatorSantos, Herman Lucas dos-
Data de aceite: dc.date.accessioned2022-02-21T21:44:39Z-
Data de disponibilização: dc.date.available2022-02-21T21:44:39Z-
Data de envio: dc.date.issued2020-09-08-
Data de envio: dc.date.issued2020-09-08-
Data de envio: dc.date.issued2019-03-11-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/5178-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/659559-
Descrição: dc.descriptionThis work presents an approach using two acoustic emission sensors and machine learning methods to detect and classify faults in line-fed three-phase induction motors operating in steady state and subject to different shaft loads. An investigation is performed on frequency characteristics of acoustic emission and vibration signals of three kinds of faults: broken rotor bars, damaged outer race bearing and stator windings short-circuit. The method is based in frequency peaks and correlations between the microphones signals. The data are analyzed for each of the mechanical configurations and compared to the healthy situation. The results show the features behavior by means of Kohonen Self Organizing Maps and the classification is done by a combination of Support Vector Machines with accuracy rates over 99.9 %.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionEste trabalho apresenta uma abordagem que utiliza dois sensores de emissão acústica e métodos de aprendizagem de máquina para detectar e classificar falhas em motores de indução trifásicos com alimentação direta operando em regime permanente e com diferentes cargas em seu eixo. É feita uma investigação nas características de frequência da emissão acústica e vibração das falhas de barra de rotor quebradas, dano em pista externa de rolamento e curto circuito em enrolamentos de estator. O método é baseado em picos de frequência e correlações entre os sinais dos microfones. Os dados são analisados em cada configuração de estado mecânico e comparado com a situação do motor em condição normal. Os resultados mostram o comportamento das características através de Mapas Auto-Organizáveis de Kohonen e a classificação é feita por uma combinação de Máquinas de Vetores de Suporte com taxas de acerto acima de 99.9 %.-
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.subjectAnálise espectral-
Palavras-chave: dc.subjectMotores elétricos de indução-
Palavras-chave: dc.subjectMotores elétricos-
Palavras-chave: dc.subjectSpectrum analysis-
Palavras-chave: dc.subjectElectric motors, Induction-
Palavras-chave: dc.subjectElectric motors-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleProcessamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas-
Título: dc.titleAcoustic emission processing applied to electric machines fault detection-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.