Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/5436 |
Resumo: | Motores de indução trifásicos são essenciais ao processo produtivo, pois suas características de construção permitem ampla aplicação, incluindo a operação em ambientes hostis. Embora robusto, seu uso contínuo gera desgastes que podem levar a falhas. Dessa forma, pesquisas na área de identificação de falhas são realizadas constantemente visando reduzir taxas de manutenções corretivas e paradas indesejadas, permitindo que seja realizada a manutenção da máquina. Com esse propósito, o presente trabalho propõe o estudo e o desenvolvimento de uma estratégia que utiliza algoritmos de otimização combinados a classificadores inteligentes de padrões para identificação de falhas de curto-circuito nas espiras do estator, barras quebradas de rotor e desgastes de rolamentos em motores de indução trifásicos, utilizando sinais de tensão e corrente de fase, aquisitados no domínio do tempo, bem como o módulo da velocidade. Neste trabalho são utilizados os algoritmos de Evolução Diferencial, Particle Swarm Optimization e Simulated Annealing para estimar os parâmetros elétricos do motor de indução no modelo do circuito elétrico equivalente. Assim, a identificação da falha ocorre a partir da variação dos parâmetros do circuito elétrico equivalente. A identificação da presença de falha bem como sua classificação é feita por meio dos classificadores de padrões Redes Neurais Artificiais, Support Vector Machine e k-Nearest Neighbor. A base de dados utilizada para o trabalho foi obtida por meio de experimentos laboratoriais realizados com um motor de 1 CV e um motor de 2 CV, sob condições de variação de conjugado e acionamentos senoidal equilibrado e desequilibrado. |
id |
UTFPR-12_858cc8181a7a43ae290b1dd54029c4cc |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/5436 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2020-11-03T18:51:41Z2020-11-03T18:51:41Z2019-12-17GUEDES, Jacqueline Jordan. Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes. 2019. Tese (Doutorado em Engenharia Elétrica - Uel/Utpfr) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.http://repositorio.utfpr.edu.br/jspui/handle/1/5436Motores de indução trifásicos são essenciais ao processo produtivo, pois suas características de construção permitem ampla aplicação, incluindo a operação em ambientes hostis. Embora robusto, seu uso contínuo gera desgastes que podem levar a falhas. Dessa forma, pesquisas na área de identificação de falhas são realizadas constantemente visando reduzir taxas de manutenções corretivas e paradas indesejadas, permitindo que seja realizada a manutenção da máquina. Com esse propósito, o presente trabalho propõe o estudo e o desenvolvimento de uma estratégia que utiliza algoritmos de otimização combinados a classificadores inteligentes de padrões para identificação de falhas de curto-circuito nas espiras do estator, barras quebradas de rotor e desgastes de rolamentos em motores de indução trifásicos, utilizando sinais de tensão e corrente de fase, aquisitados no domínio do tempo, bem como o módulo da velocidade. Neste trabalho são utilizados os algoritmos de Evolução Diferencial, Particle Swarm Optimization e Simulated Annealing para estimar os parâmetros elétricos do motor de indução no modelo do circuito elétrico equivalente. Assim, a identificação da falha ocorre a partir da variação dos parâmetros do circuito elétrico equivalente. A identificação da presença de falha bem como sua classificação é feita por meio dos classificadores de padrões Redes Neurais Artificiais, Support Vector Machine e k-Nearest Neighbor. A base de dados utilizada para o trabalho foi obtida por meio de experimentos laboratoriais realizados com um motor de 1 CV e um motor de 2 CV, sob condições de variação de conjugado e acionamentos senoidal equilibrado e desequilibrado.Three-phase induction motors are essential to the production process, as their construction features allow for wide application, including operation in hostile environments. Although robust, its continuous use generates wear that can lead to failures. Thus, researches in the area of identification of failures are carried out constantly aiming to reduce rates of corrective maintenance and unwanted stops, allowing the machine maintenance. For this purpose, the present work proposes the study and development of a strategy that uses optmization algorithm combined with pattern classifiers to identify short-circuit stator failures, broken bars of rotor and bearing wear in three-phase induction motors, using voltage and phase current signals obtained in the time domain, and the speed module. The algorithms Differential Evolution, Particle Swarm Optimization and Simulated Annealing are used to estimate the electrical parameters of the induction motor using the model of the equivalent electrical circuit and the identification of the failure occurs by variation of these parameters with the evolution of each fault. The classification of each type of failure or its presence is made by pattern classifiers Artificial Neural Network, Support Vector Machine and k-Nearest Neighbor. The database used for the work was obtained through laboratory experiments performed with a motor of 1 HP and 2 HP, under conditions of variation of conjugate of line-connection, including unbalance voltages.porUniversidade Tecnológica Federal do ParanáCornelio ProcopioPrograma de Pós-Graduação em Engenharia Elétrica - Uel/UtpfrUTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia ElétricaMotores elétricos de induçãoAlgoritmosPercepção de padrõesLocalização de falhas (Engenharia)Electric motors, InductionAlgorithmsPattern perceptionFault location (Engineering)Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentesThree-phase induction motor fault identification using optimization algorithm and intelligent systemsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisCornélio ProcópioGoedtel, Alessandrohttp://lattes.cnpq.br/1920650157123774Goedtel, Alessandrohttp://lattes.cnpq.br/1920650157123774Andreoli, Andre Luizhttp://lattes.cnpq.br/8962036732560069Sanches, Danilo Sipolihttp://lattes.cnpq.br/6377657274398145Neves, Francisco De Assis dos Santoshttp://lattes.cnpq.br/5631067058249781Castoldi, Marcelo Favorettohttp://lattes.cnpq.br/6178029384175205https://orcid.org/0000-0002-4680-1538http://lattes.cnpq.br/1286186120959086Guedes, Jacqueline Jordaninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALCP_PPGAEE_D_Guedes,JacquelineJordan_2019.pdfapplication/pdf3632936http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/1/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf37733b7bc928b97de714dc3605188e76MD51TEXTCP_PPGAEE_D_Guedes,JacquelineJordan_2019.pdf.txtCP_PPGAEE_D_Guedes,JacquelineJordan_2019.pdf.txtExtracted texttext/plain311332http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/2/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf.txt084f7038b6e9238cf347b343b1b9c0f3MD52THUMBNAILCP_PPGAEE_D_Guedes,JacquelineJordan_2019.pdf.jpgCP_PPGAEE_D_Guedes,JacquelineJordan_2019.pdf.jpgGenerated Thumbnailimage/jpeg1272http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/3/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf.jpg89b7cfec2a439ec9e73b6404463a9f2dMD531/54362020-11-04 04:01:02.419oai:repositorio.utfpr.edu.br:1/5436Repositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-11-04T06:01:02Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
dc.title.alternative.pt_BR.fl_str_mv |
Three-phase induction motor fault identification using optimization algorithm and intelligent systems |
title |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
spellingShingle |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes Guedes, Jacqueline Jordan CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Motores elétricos de indução Algoritmos Percepção de padrões Localização de falhas (Engenharia) Electric motors, Induction Algorithms Pattern perception Fault location (Engineering) Engenharia Elétrica |
title_short |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
title_full |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
title_fullStr |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
title_full_unstemmed |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
title_sort |
Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes |
author |
Guedes, Jacqueline Jordan |
author_facet |
Guedes, Jacqueline Jordan |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Goedtel, Alessandro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1920650157123774 |
dc.contributor.referee1.fl_str_mv |
Goedtel, Alessandro |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/1920650157123774 |
dc.contributor.referee2.fl_str_mv |
Andreoli, Andre Luiz |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/8962036732560069 |
dc.contributor.referee3.fl_str_mv |
Sanches, Danilo Sipoli |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/6377657274398145 |
dc.contributor.referee4.fl_str_mv |
Neves, Francisco De Assis dos Santos |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/5631067058249781 |
dc.contributor.referee5.fl_str_mv |
Castoldi, Marcelo Favoretto |
dc.contributor.referee5Lattes.fl_str_mv |
http://lattes.cnpq.br/6178029384175205 |
dc.contributor.authorID.fl_str_mv |
https://orcid.org/0000-0002-4680-1538 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1286186120959086 |
dc.contributor.author.fl_str_mv |
Guedes, Jacqueline Jordan |
contributor_str_mv |
Goedtel, Alessandro Goedtel, Alessandro Andreoli, Andre Luiz Sanches, Danilo Sipoli Neves, Francisco De Assis dos Santos Castoldi, Marcelo Favoretto |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Motores elétricos de indução Algoritmos Percepção de padrões Localização de falhas (Engenharia) Electric motors, Induction Algorithms Pattern perception Fault location (Engineering) Engenharia Elétrica |
dc.subject.por.fl_str_mv |
Motores elétricos de indução Algoritmos Percepção de padrões Localização de falhas (Engenharia) Electric motors, Induction Algorithms Pattern perception Fault location (Engineering) |
dc.subject.capes.pt_BR.fl_str_mv |
Engenharia Elétrica |
description |
Motores de indução trifásicos são essenciais ao processo produtivo, pois suas características de construção permitem ampla aplicação, incluindo a operação em ambientes hostis. Embora robusto, seu uso contínuo gera desgastes que podem levar a falhas. Dessa forma, pesquisas na área de identificação de falhas são realizadas constantemente visando reduzir taxas de manutenções corretivas e paradas indesejadas, permitindo que seja realizada a manutenção da máquina. Com esse propósito, o presente trabalho propõe o estudo e o desenvolvimento de uma estratégia que utiliza algoritmos de otimização combinados a classificadores inteligentes de padrões para identificação de falhas de curto-circuito nas espiras do estator, barras quebradas de rotor e desgastes de rolamentos em motores de indução trifásicos, utilizando sinais de tensão e corrente de fase, aquisitados no domínio do tempo, bem como o módulo da velocidade. Neste trabalho são utilizados os algoritmos de Evolução Diferencial, Particle Swarm Optimization e Simulated Annealing para estimar os parâmetros elétricos do motor de indução no modelo do circuito elétrico equivalente. Assim, a identificação da falha ocorre a partir da variação dos parâmetros do circuito elétrico equivalente. A identificação da presença de falha bem como sua classificação é feita por meio dos classificadores de padrões Redes Neurais Artificiais, Support Vector Machine e k-Nearest Neighbor. A base de dados utilizada para o trabalho foi obtida por meio de experimentos laboratoriais realizados com um motor de 1 CV e um motor de 2 CV, sob condições de variação de conjugado e acionamentos senoidal equilibrado e desequilibrado. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-12-17 |
dc.date.accessioned.fl_str_mv |
2020-11-03T18:51:41Z |
dc.date.available.fl_str_mv |
2020-11-03T18:51:41Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
GUEDES, Jacqueline Jordan. Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes. 2019. Tese (Doutorado em Engenharia Elétrica - Uel/Utpfr) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/5436 |
identifier_str_mv |
GUEDES, Jacqueline Jordan. Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes. 2019. Tese (Doutorado em Engenharia Elétrica - Uel/Utpfr) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/5436 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica - Uel/Utpfr |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/1/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/2/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/5436/3/CP_PPGAEE_D_Guedes%2cJacquelineJordan_2019.pdf.jpg |
bitstream.checksum.fl_str_mv |
37733b7bc928b97de714dc3605188e76 084f7038b6e9238cf347b343b1b9c0f3 89b7cfec2a439ec9e73b6404463a9f2d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1797043992437719040 |