Diagnóstico de falhas estruturais em hastes de âncora por meio da análise de sinais eletromagnéticos por ferramentas de inteligência artificial

• Autor(a) principal: BARBOSA, Douglas Contente Pimentel
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000wrzh
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/38903
• topic: Engenharia Elétrica; Detecção de falhas; Inteligência artificial; Aprendizado de máquina; Parâmetros eletromagnéticos; Linhas de transmissão de energia elétrica

As hastes de âncora são elementos estruturais que garantem a estabilidade das torres estaiadas de linhas de transmissão de energia elétrica. No entanto, falhas durante a instalação dessas hastes, associadas à má qualidade do solo, podem levar à sua corrosão. Os danos gerados na estrutura dessas hastes por tais processos corrosivos são um problema crítico que, em casos extremos, pode ser capaz de provocar a queda da torre. Por esse motivo, a ação de monitorar e manter a integridade estrutural das hastes de âncora é um fator chave para evitar acidentes e a interrupção de serviço de fornecimento de energia elétrica. De um lado, o método tradicional de verificar a condição dessas estruturas é complexo, perigoso, dispendioso e demorado, pois requer a escavação das âncoras para realização de inspeção visual nas hastes. Por outro lado, é sabido que parâmetros eletromagnéticos são capazes de transportar informação sobre a constituição de um meio no qual uma onda de alta frequência se propaga. Neste trabalho, essa característica é explorada com o objetivo de propor um sistema inteligente para detecção de falhas estruturais em hastes de âncora. Uma abordagem por aprendizado de máquina é apresentada para extração de características subjacentes dos dados e estabelecer relações entre esses parâmetros e a presença de falhas nas hastes, sem a necessidade de modelos físicos. Um banco de dados híbrido foi construído com amostras medidas e simuladas dos parâmetros perda de retorno, impedância de entrada e coeficiente de onda estacionária de tensão para vários exemplos de hastes normais e defeituosas para treinamento dos modelos. Análises comparativas foram realizadas para avaliação da configuração mais adequada dos classificadores baseados em aprendizado de máquina propostos para detecção das falhas nessas hastes. Os resultados experimentais obtidos mostram que a estratégia inovadora proposta neste trabalho, de utilizar algoritmos de aprendizado de máquina na análise de parâmetros eletromagnéticos para o diagnóstico de falhas estruturais em hastes de âncora, supera o desempenho obtido pelas metodologias similares conhecidas e possibilita o desenvolvimento de um sistema de detecção viável e de alta confiabilidade para uso em campo.