Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/1665 |
Resumo: | Este trabalho apresenta um estudo abrangente das técnicas de Análise da Assinatura Elétrica (ESA) aplicadas na detecção de defeitos em rolamentos de motores elétricos de indução. A Análise de Componentes Principais(PCA) é aplicada, com base em características extraídas dessas técnicas, com o objetivo de se criar um método mais sensível e eficaz de detecção de defeitos em rolamentos. As características utilizadas como entradas para o PCA são obtidas a partir das técnicas de ESA como Análise da Corrente Estatórica(MCSA), Abordagem Estendida do Vetor de Park (EPVA), Análise da Potência Instantânea (IPSA), Análise Wavelet e Qualidade de Energia. A metodologia proposta assume que um defeito, quando se propaga na máquina, causa mudanças em diversos parâmetros e características da máquina. Essas mudanças são consideradas pequenas em magnitude quando analisadas individualmente, mas juntas contabilizam por significativas variâncias nos dados, então detectadas e isoladas por PCA. A metodologia foi testada usando um motor pequeno de 4 pólos em três diferentes condições: rolamento saudável, rolamento com furo de φ2,3mm na pista externa e rolamento com furo de φ2,8mm na pista externa. O furo é utilizado para simular um defeito no rolamento. Um modelo PCA foi criado com base nas amostras do rolamento saudável e sua validação foi feita com novas amostras obtidas nas três condições. Os resultados mostram que o defeito na pista externa pôde ser detectado com eficiência utilizando as estatísticas T- quadrado e Q (com um limite de confiança de 95%). O modelo obtido foi capaz de classificar corretamente 99,8% das amostras testadas. A alta sensibilidade ao defeito apresentada pelo modelo sugere sua capacidade de detectar esse tipo de defeito em estágios mais incipientes, o que não é possível através das técnicas de ESA atuais. |
id |
UFEI_423bba7fbd25f9c48ffdf73a0b0c88c3 |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/1665 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2008-02-212018-09-17T19:39:58Z2018-09-17T19:39:58ZSILVA, Jonas Guedes Borges da. Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. 2008. 98 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2008.https://repositorio.unifei.edu.br/jspui/handle/123456789/1665Este trabalho apresenta um estudo abrangente das técnicas de Análise da Assinatura Elétrica (ESA) aplicadas na detecção de defeitos em rolamentos de motores elétricos de indução. A Análise de Componentes Principais(PCA) é aplicada, com base em características extraídas dessas técnicas, com o objetivo de se criar um método mais sensível e eficaz de detecção de defeitos em rolamentos. As características utilizadas como entradas para o PCA são obtidas a partir das técnicas de ESA como Análise da Corrente Estatórica(MCSA), Abordagem Estendida do Vetor de Park (EPVA), Análise da Potência Instantânea (IPSA), Análise Wavelet e Qualidade de Energia. A metodologia proposta assume que um defeito, quando se propaga na máquina, causa mudanças em diversos parâmetros e características da máquina. Essas mudanças são consideradas pequenas em magnitude quando analisadas individualmente, mas juntas contabilizam por significativas variâncias nos dados, então detectadas e isoladas por PCA. A metodologia foi testada usando um motor pequeno de 4 pólos em três diferentes condições: rolamento saudável, rolamento com furo de φ2,3mm na pista externa e rolamento com furo de φ2,8mm na pista externa. O furo é utilizado para simular um defeito no rolamento. Um modelo PCA foi criado com base nas amostras do rolamento saudável e sua validação foi feita com novas amostras obtidas nas três condições. Os resultados mostram que o defeito na pista externa pôde ser detectado com eficiência utilizando as estatísticas T- quadrado e Q (com um limite de confiança de 95%). O modelo obtido foi capaz de classificar corretamente 99,8% das amostras testadas. A alta sensibilidade ao defeito apresentada pelo modelo sugere sua capacidade de detectar esse tipo de defeito em estágios mais incipientes, o que não é possível através das técnicas de ESA atuais.Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUniversidade Federal de Itajubá98 p.Análise da Assinatura Elétrica(ESA)Análise de Componentes Principais(PCA)Defeitos em rolamentosMotor de induçãoTORRES, Germano LambertSILVA, Luiz Eduardo Borges daEngenharia ElétricaAutomação e Sistemas Elétricos IndustriaisSILVA, Jonas Guedes Borges daPrograma de Pós-Graduação: Mestrado - Engenharia ElétricaIESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informaçãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_0032606.pdfdissertacao_0032606.pdfapplication/pdf3343900https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1665/1/dissertacao_0032606.pdfe57e7ab7362a73b7dc9b2bc73ce13f92MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1665/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/16652024-04-10 08:42:46.201oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-04-10T11:42:46Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
title |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
spellingShingle |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. SILVA, Jonas Guedes Borges da |
title_short |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
title_full |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
title_fullStr |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
title_full_unstemmed |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
title_sort |
Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. |
author |
SILVA, Jonas Guedes Borges da |
author_facet |
SILVA, Jonas Guedes Borges da |
author_role |
author |
dc.contributor.author.fl_str_mv |
SILVA, Jonas Guedes Borges da |
description |
Este trabalho apresenta um estudo abrangente das técnicas de Análise da Assinatura Elétrica (ESA) aplicadas na detecção de defeitos em rolamentos de motores elétricos de indução. A Análise de Componentes Principais(PCA) é aplicada, com base em características extraídas dessas técnicas, com o objetivo de se criar um método mais sensível e eficaz de detecção de defeitos em rolamentos. As características utilizadas como entradas para o PCA são obtidas a partir das técnicas de ESA como Análise da Corrente Estatórica(MCSA), Abordagem Estendida do Vetor de Park (EPVA), Análise da Potência Instantânea (IPSA), Análise Wavelet e Qualidade de Energia. A metodologia proposta assume que um defeito, quando se propaga na máquina, causa mudanças em diversos parâmetros e características da máquina. Essas mudanças são consideradas pequenas em magnitude quando analisadas individualmente, mas juntas contabilizam por significativas variâncias nos dados, então detectadas e isoladas por PCA. A metodologia foi testada usando um motor pequeno de 4 pólos em três diferentes condições: rolamento saudável, rolamento com furo de φ2,3mm na pista externa e rolamento com furo de φ2,8mm na pista externa. O furo é utilizado para simular um defeito no rolamento. Um modelo PCA foi criado com base nas amostras do rolamento saudável e sua validação foi feita com novas amostras obtidas nas três condições. Os resultados mostram que o defeito na pista externa pôde ser detectado com eficiência utilizando as estatísticas T- quadrado e Q (com um limite de confiança de 95%). O modelo obtido foi capaz de classificar corretamente 99,8% das amostras testadas. A alta sensibilidade ao defeito apresentada pelo modelo sugere sua capacidade de detectar esse tipo de defeito em estágios mais incipientes, o que não é possível através das técnicas de ESA atuais. |
publishDate |
2008 |
dc.date.issued.fl_str_mv |
2008-02-21 |
dc.date.available.fl_str_mv |
2018-09-17T19:39:58Z |
dc.date.accessioned.fl_str_mv |
2018-09-17T19:39:58Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SILVA, Jonas Guedes Borges da. Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. 2008. 98 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2008. |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1665 |
identifier_str_mv |
SILVA, Jonas Guedes Borges da. Aplicação da Análise de componentes Principais (PCA) no diagnóstico de defeitos de rolamentos através da assinatura elétrica de motores de indução. 2008. 98 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2008. |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1665 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Mestrado - Engenharia Elétrica |
dc.publisher.department.fl_str_mv |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1665/1/dissertacao_0032606.pdf https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1665/2/license.txt |
bitstream.checksum.fl_str_mv |
e57e7ab7362a73b7dc9b2bc73ce13f92 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863197643243520 |