Aplicação de transformada wavelet e análise de componentes principais robusta em sinais acústicos para detecção de falhas de curto circuito de estator

• Autor(a) principal: Cinel, Murilo Monteiro
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• 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/1/5443
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Processamento de sinais; Motores elétricos de indução; Localização de falhas (Engenharia); Signal processing; Electric motors, Induction; Fault location (Engineering); Engenharia Elétrica

Técnicas de processamento de sinais aplicadas no reconhecimento de padrões e diagnóstico de falhas colaboram para evitar a manutenção não planejada e parada no processo produtivo. Os motores de indução trifásicos são amplamente utilizados e expostos a diversas situações operacionais indesejáveis que podem ocasionar falhas. Para evitar paradas não planejadas na indústria, diversas técnicas de previsão e monitoramento de falhas foram criadas. Este trabalho propõe uma metodologia de processamento digital de sinais aplicada em dados de emissão acústica do funcionamento de um motor capaz de classificar falhas de curto-circuito no estator. O método é baseado na aplicação do algoritmo de análise da componente principal robusta em sinais de áudio. Para possibilitar esta ação, o sinal é decomposto pela transformada wavelet a fim de obter características de diferentes faixas de frequência dos sinais e então obtêm-se os atributos que representam o sinal em análise. Para validação do estudo propõe-se a classificação das falhas de estator utilizando a técnica de máquinas de vetores de suporte, com a qual se atingiu mais de 99% de acerto.