Diagnóstico de falhas em motores de tração de locomotivas diesel-elétricas baseado em sistemas inteligentes

• Autor(a) principal: Ricardo Gusmão Dias
• Data de Publicação: 2021
• Outros Autores: Maurílio José Inácio, Renato Dourado Maia
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: https://doi.org/10.34117/bjdv7n6-671; http://hdl.handle.net/1843/52213
• topic: Locomotivas diesel; Locomotivas elétricas; Motores elétricos; Inteligência computacional

O modal ferroviário é um importante meio de transporte e o veículo empregado para movimentar trens de carga ou passageiro é a locomotiva. Um dos tipos de locomotiva mais utilizado é a locomotiva diesel-elétrica, caracterizada por possuir um motor diesel que aciona um gerador elétrico para alimentar os motores elétricos, denominados motores de tração. Falhas nos motores de tração causam impacto na operação das locomotivas e afetam a área de manutenção das empresas, uma vez que a sua manutenção representa um custo significativo. Neste contexto, o diagnóstico de falhas em motores de tração de locomotivas é relevante e várias abordagens têm sido propostas na literatura. Este trabalho propõe e avalia três modelos de sistemas inteligentes aplicados no diagnóstico de falhas em motores de tração: uma rede neural artificial tipo feedforward de múltiplas camadas, uma rede neurofuzzy e um classificador fuzzy evolutivo. Os resultados dos experimentos computacionais realizados demonstram que todos os modelos alcançam bom desempenho no diagnóstico de falhas, com melhores resultados apresentados pela rede neurofuzzy. Os resultados demonstram ainda que rede neural artificial permite a realização do diagnóstico com maior rapidez e que o classificador fuzzy evolutivo permite o aprendizado das falhas de modo on-line e em tempo real.