Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGoedtel, Alessandro-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1920650157123774-
Autor(es): dc.contributorGoedtel, Alessandro-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1920650157123774-
Autor(es): dc.contributorAndreoli, Andre Luiz-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8962036732560069-
Autor(es): dc.contributorPereira, Carlos Eduardo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7437115504621985-
Autor(es): dc.contributorNascimento, Claudionor Francisco do-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7482480424827756-
Autor(es): dc.contributorSuetake, Marcelo-
Autor(es): dc.creatorBazan, Gustavo Henrique-
Data de aceite: dc.date.accessioned2022-02-21T21:58:46Z-
Data de disponibilização: dc.date.available2022-02-21T21:58:46Z-
Data de envio: dc.date.issued2021-07-17-
Data de envio: dc.date.issued2021-07-17-
Data de envio: dc.date.issued2020-12-15-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/25597-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/665064-
Descrição: dc.descriptionPrograma de Pós-Graduação em Engenharia Elétrica da UTFPR Associado à Universidade Estadual de Londrina-
Descrição: dc.descriptionThree-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.-
Descrição: dc.descriptionConselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná-
Descrição: dc.descriptionOs 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.-
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 -UTFPR-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectSistemas especialistas (Computação)-
Palavras-chave: dc.subjectMotores elétricos de indução-
Palavras-chave: dc.subjectMáquinas elétricas de indução-
Palavras-chave: dc.subjectExpert systems (Computer science)-
Palavras-chave: dc.subjectElectric motors, Induction-
Palavras-chave: dc.subjectElectric machinery, Induction-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleIdentificação inteligente de falhas em máquinas elétricas utilizando informação mútua-
Título: dc.titleIntelligent identification of electrical machine faults using mutual information-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.