Classificador inteligente para falhas mecânicas em motores de indução trifásicos

• Autor(a) principal: Oliveira, Gabriel Cianni de
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/265542
• topic: Motor de indução; Diagnóstico de falhas; Aprendizado de máquina; Vibração : Medição; Intelligent models; Computational intelligence; Three-phase induction motors; Predictive maintenance

Os motores de indução são um dos equipamentos mais relevantes para a indústria moderna devido a sua alta aplicabilidade e seu elevado rendimento energético. Em condições inadequadas de operação, como temperatura ou pressão elevada, vibrações ininterruptas e variações de carga, os motores tendem a aumentar a suscetibilidade a falhas externas e internas, acarretando em uma contração na sustentabilidade econômica do processo fabril e tornando-se uma fonte de vibrações excessivas, o que para análise estrutural pode ser fontes de risco a segurança de todo o ambiente no qual é instalado e seus arredores. Este trabalho tem como objetivo elaborar um sistema de diagnóstico para falhas mecânicas de motores de indução trifásico, utilizando sinais de vibração do maquinário provenientes base de dados MaFaulDa, para produzir um estudo comparativo de algoritmos inteligentes, como redes neurais artificiais, Florestas aleatórias, Adaboost, regressão logística e XGBoost utilizando características extraídas das séries temporais: índices de entropia, curtose, amplitude média, magnitude espectral média, máxima, sua centróide, em um sistema de segmentação de 10 ms. Avaliando duas técnicas para a otimização de hiperparâmetros - Algoritmos genéticos e a pesquisa randômica. Obtendo um teor de generalização em sua topologia final, indicado pela métrica de accuracy acima de 98%, adequando-se a faixa de valores dos modelos referencias na área.