| spelling |
Benjamim Rodrigues MenezesWalmir Matos CaminhasLane Maria Rabelo Baccarini2019-08-11T09:08:09Z2019-08-11T09:08:09Z2005-07-08http://hdl.handle.net/1843/HSAA-6MJPHWA proposta deste trabalho é desenvolver e implementar um sistema de detecção e diagnóstico de falhas elétricas (curto-circuito entre espiras do estator, quebra de barras e/ou anéis do rotor) e mecânicas (desalinhamento, desbalanceamento,folga mecânica, etc.) em motores de indução trifásicos. A metodologia adotada no trabalho foi a obtenção de modelos matemáticos que permitam simular as falhas citadas, simulação computacional dos modelos, desenvolvimento de estratégias de detecção e diagnóstico de falhas e implementação em bancada experimental. Para o diagnóstico e localização de barras quebradas no rotor é proposto um método que utiliza o resíduo de conjugado. Esse resíduo é calculado a partir dos fluxos da máquina, obtidos através do modelo nominal da mesma (sensível à falhas no rotor) e do observador em modos deslizantes para entradas desconhecidas (robusto à falhas no rotor). Propõe-se para o diagnóstico de curto-circuito entre espiras de uma mesma bobina o acompanhamento do valor da impedância de seqüência negativa. O método é robusto a problemas inerentes ao sistema de medição e é capaz de detectar curtos-circuitos iniciais. A técnica implementada experimentalmente para a detecção de falhas mecânicas é baseada na análise do espectro da corrente do estator da máquina. Entretanto, a mesma não permite classificar os tipos de falhas. Para essa tarefa é necessário a utilização de outros parâmetros. No trabalho é proposto o uso de redes neurais artificiais e máquinas de vetores suporte para o diagnóstico de falhas mecânicas, usando como entrada das redes, os sinais de vibração. Para validação dessa técnica foram utilizados dados experimentais obtidos em trabalhos anteriores. A bancada experimental construída é composta por um motor de indução trifásico, um gerador CC, que é usado como carga, transdutores e condicionadores dos sinais medidos, placa de aquisição de dados e um microcomputador. O motor foi projetado de modo a permitir testes não destrutivos de quebras de barras e curto-circuito entre espiras de uma mesma bobina. O programa computacional que agrega todas as técnicas de detecção e diagnóstico de falhas foi implementado em ambiente LabView. Os resultados de simulações e experimentais mostraram que a estratégia de detecção e diagnóstico de falhas proposta é uma promissora alternativa para o diagnóstico on-line da máquina de indução e que pode se tornar uma ferramenta interessante para a manutenção preditiva da mesma.This main purpose of this work is to design and implement a system to detect and diagnose electrical faults (stator inter-turn short circuit and broken rotor bars) and mechanical faults (unbalance and shaft misalignments) for three phase induction machines. This approach starts by obtaining the best patterns for fault detection and symmetrical models for the machine, in order to simulate electrical and mechanical faults. Further simulations are carried out to check the validation of these computational models. Then, a strategy to detect and diagnose faults was developed and tested on the rig. A method that utilizes the torque residual is proposed to diagnose and identify rotor broken bars. The residual is determined using the machine flux obtained through the machine dynamic equations, which are rotor's faults sensitive, and also through a sliding mode observer for unknown inputs, that are rotor's faults robust. To determine an occurrence of inter-turn short circuit, it is proposed the monitoring of the negative sequence impedance values. The method has shown to be robust to inherent problems occurring on the measurement system and is capable of detecting short-circuits in the initial stages. The experimental technique for mechanical imperfections detection is based on the machine stator's current spectrum analysis. However, this technique is not useful to classify the type of these imperfections, and further information is required. In this work, it is proposed the use of artificial neural networks and support vector machines for the mechanical imperfections classification. The vibration signals are the inputs for the networks. Experimental data obtained from previous works were utilized to validate this classification process. The rig is composed by a three phase induction machine, a DC generator used as load, transducers and signal conditioner, data acquisition boards and a personal computer. The machine was designed to allow non-destructive tests of broken bars and short-circuits among stator inter-turn. The computational implementations for the detection and fault diagnosis techniques run in a LabView environment. The simulation and experimental results show that the proposed approach appears to be a suitable tool in on-line induction machine fault detection and diagnosis, and can also to become an interesting tool for predictive engineering maintenance.Universidade Federal de Minas GeraisUFMGMaquinas eletricas de induçãoEngenharia elétricaLocalização de falhas (Engenharia)Motores de InduçãoDiagnóstico de FalhasDetecção e diagnóstico de falhas em motores de induçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALlane_maria_rabelo_baccarini.pdfapplication/pdf56026574https://repositorio.ufmg.br/bitstream/1843/HSAA-6MJPHW/1/lane_maria_rabelo_baccarini.pdf602ce2793342b59172f35255631aba4fMD51TEXTlane_maria_rabelo_baccarini.pdf.txtlane_maria_rabelo_baccarini.pdf.txtExtracted texttext/plain314455https://repositorio.ufmg.br/bitstream/1843/HSAA-6MJPHW/2/lane_maria_rabelo_baccarini.pdf.txt0763acd98ab886035b3e4a07cf03a1ecMD521843/HSAA-6MJPHW2019-11-14 08:52:33.04oai:repositorio.ufmg.br:1843/HSAA-6MJPHWRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T11:52:33Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|