Balanceamento de máquinas rotativas utilizando redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/38769 http://doi.org/10.14393/ufu.di.2023.377 |
Resumo: | As studies and needs have progressed over the years, methodologies have been proposed to minimize one of the main causes of vibration observed in rotating machines, which is unbalanced. Balancing aims, in general, to equalize the mass distribution along the rotor, which allows reducing the forces induced by such irregularities and, consequently, their vibration responses. Thus, balancing provides a better operating condition for the machine, with improved performance and compliance with safety limits specified by technical standards. The balancing techniques developed over time have diversified into alternatives that seek to utilize the relationship between the observed dynamic behavior of the rotating machine and its physical and geometric characteristics, in order to predict the correction masses and their respective positions on the rotor. Among these techniques, it is possible to highlight more traditional approaches such as the Influence Coefficients Method (which utilizes trial weights) and more recent ones, with the advent and popularization of artificial intelligence techniques. This work proposes an approach to balance rotating machines without using trial weights, employing neural networks. In general, the proposed neural network aims to establish a relationship between the vibration responses obtained in the machine and the possible correction masses and positions through training with a previous database. This work addresses six configurations, where the first four use the finite element method () to form the database (as a numerical test). The last two configurations are experimental in nature (i.e., the network's database comes from experimental bench data). This dissertation also proposes a data expansion approach that reduces the amount of unbalance conditions required for network training, which is used for numerical and experimental neural network configurations. Each neural network configuration is implemented and evaluated, and the results show promise. |
id |
UFU_da3e9479c9c1e318577e009f048bbe26 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/38769 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Balanceamento de máquinas rotativas utilizando redes neuraisBalancing of rotating machines using neural networksDinâmica de rotaçãoBalanceamento de máquinas rotativasRede neuralAusência de massa de testeRotation DynamicsBalancing of Rotating MachinesNeural networksAbsence of Test MassEngenharia mecânicaCNPQ::ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOSEngenharia mecânicaRedes neurais (Computação)Balanceamento de máquinasDinâmica das máquinasAs studies and needs have progressed over the years, methodologies have been proposed to minimize one of the main causes of vibration observed in rotating machines, which is unbalanced. Balancing aims, in general, to equalize the mass distribution along the rotor, which allows reducing the forces induced by such irregularities and, consequently, their vibration responses. Thus, balancing provides a better operating condition for the machine, with improved performance and compliance with safety limits specified by technical standards. The balancing techniques developed over time have diversified into alternatives that seek to utilize the relationship between the observed dynamic behavior of the rotating machine and its physical and geometric characteristics, in order to predict the correction masses and their respective positions on the rotor. Among these techniques, it is possible to highlight more traditional approaches such as the Influence Coefficients Method (which utilizes trial weights) and more recent ones, with the advent and popularization of artificial intelligence techniques. This work proposes an approach to balance rotating machines without using trial weights, employing neural networks. In general, the proposed neural network aims to establish a relationship between the vibration responses obtained in the machine and the possible correction masses and positions through training with a previous database. This work addresses six configurations, where the first four use the finite element method () to form the database (as a numerical test). The last two configurations are experimental in nature (i.e., the network's database comes from experimental bench data). This dissertation also proposes a data expansion approach that reduces the amount of unbalance conditions required for network training, which is used for numerical and experimental neural network configurations. Each neural network configuration is implemented and evaluated, and the results show promise.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorDissertação (Mestrado)Conforme os estudos e as necessidades avançaram ao longo dos anos, metodologias foram propostas para minimizar uma das principais causas de vibração observadas em máquinas rotativas, o desbalanceamento. O balanceamento visa, de forma geral, uniformizar a distribuição de massa ao longo do rotor, o que permite reduzir as forças induzidas por tais irregularidades e, consequentemente, suas respostas de vibração. Dessa forma, o balanceamento proporciona uma melhor condição de operação da máquina, com seu maior desempenho e satisfazendo os limites de segurança previstos por normas técnicas. As técnicas de balanceamento desenvolvidas ao longo do tempo se diversificaram em alternativas que buscam utilizar a relação do comportamento dinâmico observado na máquina rotativa com suas características físicas e geométricas, com a finalidade de prever as massas de correção e suas respectivas posições no rotor. Entre tais técnicas, é possível destacar desde abordagens mais tradicionais como o Método dos Coeficientes de Influência (onde se utiliza de massas de teste), até as mais recentes, com o advento e popularização das técnicas de inteligências artificiais. Este trabalho apresenta como proposta uma abordagem de balanceamento de máquinas rotativas sem o uso de massas de teste, utilizando redes neurais. De maneira geral, a rede neural proposta visa estabelecer uma relação entre as respostas de vibração obtidas na máquina com as possíveis massas e posições de correção, através de seu treinamento com um banco de dados prévio. Neste trabalho são abordadas seis configurações, onde nas quatro primeiras utilizam-se do modelo de elementos finitos () para a formação do banco de dados (a título de ensaio numérico). As duas últimas configurações são de natureza experimental (ou seja, o banco de dados da rede é proveniente dos dados da bancada experimental). Também é proposto nesta dissertação uma abordagem de expansão de dados que reduz a quantidade de condições de desbalanceamento necessárias para o treinamento da rede, sendo utilizada para configurações de rede neural numéricas e experimentais. Cada configuração de rede neural é implementada e avaliada e seus resultados se mostram promissores.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Engenharia MecânicaCavalini Junior, Aldemir Aparecidohttp://lattes.cnpq.br/0387727577180664Cavallini Junior, Aldemir Aparecidohttp://lattes.cnpq.br/0387727577180664Duarte, Marcus Antônio Vianahttp://lattes.cnpq.br/9030389274220180Dourado, Arinan De Piemontehttp://lattes.cnpq.br/5218566995755131Cabral, Leonardo Dias da Silva2023-07-27T16:55:12Z2023-07-27T16:55:12Z2023-07-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCABRAL, Leonardo Dias da Silva. Balanceamento de máquinas rotativas utilizando redes neurais. 2023. 100 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.377.https://repositorio.ufu.br/handle/123456789/38769http://doi.org/10.14393/ufu.di.2023.377porAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2023-12-20T17:56:06Zoai:repositorio.ufu.br:123456789/38769Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2023-12-20T17:56:06Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Balanceamento de máquinas rotativas utilizando redes neurais Balancing of rotating machines using neural networks |
title |
Balanceamento de máquinas rotativas utilizando redes neurais |
spellingShingle |
Balanceamento de máquinas rotativas utilizando redes neurais Cabral, Leonardo Dias da Silva Dinâmica de rotação Balanceamento de máquinas rotativas Rede neural Ausência de massa de teste Rotation Dynamics Balancing of Rotating Machines Neural networks Absence of Test Mass Engenharia mecânica CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOS Engenharia mecânica Redes neurais (Computação) Balanceamento de máquinas Dinâmica das máquinas |
title_short |
Balanceamento de máquinas rotativas utilizando redes neurais |
title_full |
Balanceamento de máquinas rotativas utilizando redes neurais |
title_fullStr |
Balanceamento de máquinas rotativas utilizando redes neurais |
title_full_unstemmed |
Balanceamento de máquinas rotativas utilizando redes neurais |
title_sort |
Balanceamento de máquinas rotativas utilizando redes neurais |
author |
Cabral, Leonardo Dias da Silva |
author_facet |
Cabral, Leonardo Dias da Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cavalini Junior, Aldemir Aparecido http://lattes.cnpq.br/0387727577180664 Cavallini Junior, Aldemir Aparecido http://lattes.cnpq.br/0387727577180664 Duarte, Marcus Antônio Viana http://lattes.cnpq.br/9030389274220180 Dourado, Arinan De Piemonte http://lattes.cnpq.br/5218566995755131 |
dc.contributor.author.fl_str_mv |
Cabral, Leonardo Dias da Silva |
dc.subject.por.fl_str_mv |
Dinâmica de rotação Balanceamento de máquinas rotativas Rede neural Ausência de massa de teste Rotation Dynamics Balancing of Rotating Machines Neural networks Absence of Test Mass Engenharia mecânica CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOS Engenharia mecânica Redes neurais (Computação) Balanceamento de máquinas Dinâmica das máquinas |
topic |
Dinâmica de rotação Balanceamento de máquinas rotativas Rede neural Ausência de massa de teste Rotation Dynamics Balancing of Rotating Machines Neural networks Absence of Test Mass Engenharia mecânica CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOS Engenharia mecânica Redes neurais (Computação) Balanceamento de máquinas Dinâmica das máquinas |
description |
As studies and needs have progressed over the years, methodologies have been proposed to minimize one of the main causes of vibration observed in rotating machines, which is unbalanced. Balancing aims, in general, to equalize the mass distribution along the rotor, which allows reducing the forces induced by such irregularities and, consequently, their vibration responses. Thus, balancing provides a better operating condition for the machine, with improved performance and compliance with safety limits specified by technical standards. The balancing techniques developed over time have diversified into alternatives that seek to utilize the relationship between the observed dynamic behavior of the rotating machine and its physical and geometric characteristics, in order to predict the correction masses and their respective positions on the rotor. Among these techniques, it is possible to highlight more traditional approaches such as the Influence Coefficients Method (which utilizes trial weights) and more recent ones, with the advent and popularization of artificial intelligence techniques. This work proposes an approach to balance rotating machines without using trial weights, employing neural networks. In general, the proposed neural network aims to establish a relationship between the vibration responses obtained in the machine and the possible correction masses and positions through training with a previous database. This work addresses six configurations, where the first four use the finite element method () to form the database (as a numerical test). The last two configurations are experimental in nature (i.e., the network's database comes from experimental bench data). This dissertation also proposes a data expansion approach that reduces the amount of unbalance conditions required for network training, which is used for numerical and experimental neural network configurations. Each neural network configuration is implemented and evaluated, and the results show promise. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-07-27T16:55:12Z 2023-07-27T16:55:12Z 2023-07-19 |
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.uri.fl_str_mv |
CABRAL, Leonardo Dias da Silva. Balanceamento de máquinas rotativas utilizando redes neurais. 2023. 100 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.377. https://repositorio.ufu.br/handle/123456789/38769 http://doi.org/10.14393/ufu.di.2023.377 |
identifier_str_mv |
CABRAL, Leonardo Dias da Silva. Balanceamento de máquinas rotativas utilizando redes neurais. 2023. 100 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.377. |
url |
https://repositorio.ufu.br/handle/123456789/38769 http://doi.org/10.14393/ufu.di.2023.377 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Engenharia Mecânica |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Engenharia Mecânica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711562586718208 |