Este trabalho de pesquisa apresenta o desenvolvimento de uma metodologia de diagnóstico automático de falhas do tipo curto-circuito de baixa impedância em circuitos alimentadores de média tensão de sistemas reticulados de distribuição de energia elétrica tipo spot network. O diagnóstico compreende a identificação do tipo de curto-circuito ocorrido e a sua localização. A metodologia está baseada no treinamento e uso de Redes Neurais Artificiais (RNAs). Os parâmetros para treinamento das RNAs são obtidos a partir de padrões de comportamento elétrico de curtos circuitos monofásicos, bifásicos e trifásicos à terra, obtidos por simulação de um circuito de distribuição real localizado na cidade de Brasília. Para obtenção do comportamento elétrico do circuito de distribuição foi utilizado o aplicativo de simulação ATP (Alternative Transient Program); para estruturação, treinamento e testes das RNAs da metodologia de diagnóstico foi utilizado o software Matlab (aplicativo de RNA). Os principais resultados dos testes das RNAs da metodologia são apresentados. Tais resultados demonstram a viabilidade científica e tecnológica de se aplicar a metodologia desenvolvida como ferramenta de diagnóstico em tempo real de auxílio dos departamentos de engenharia de operação e manutenção de concessionárias elétricas. Este trabalho também apresenta as principais possibilidades de continuidade desta pesquisa científica e tecnológica baseada em redes neurais artificiais na área de diagnóstico automático de sistemas reticulados. / This work presents the development of an automatic failure diagnostic methodology for low impedance short circuit in mid voltage feeders of distribution spot networks systems. The developed methodology has the feature to identify the type of short circuit and its location. An Artificial Neural Network technique was employed. The parameters used to train the Artificial Neural Networks are obtained based upon patterns in simulations of real cases for short circuit behavior in mono-phase, bi-phase and tri-phase to ground configuration. The input data for the simulation was based on a real distribution circuit belonging to the Power Utility CEB located in Brasília-Brazil. The simulation program ATP (Alternative Transient Program) was used to obtain the electric behavior of the circuit in the distribution network. As for the Artificial Neural Network simulation, trainings and tests Matlab was employed. As a main contribution the results of this work shows the technical feasibility to apply such methodology as a important real time diagnostic tool to support the system operation and maintenance departments of power utilities that uses spot network topologies. Furthermore, it is presented the possibilities to continue this research related to automatic diagnostics for network distribution systems based on Artificial Neural Networks technique.

Esta tese consiste em desenvolver um sistema de identificação e classificação de falhas em motores de indução trifásico. As falhas analisadas foram simuladas em laboratório e envolvem problemas elétricos, como curto-circuito no estator, e problemas mecânicos, como barras quebradas no rotor. O sistema computacional proposto é formado pela transformada discreta wavelet, pelo cálculo de variáveis estatísticas e por redes neurais artificiais. A partir dos sinais elétricos da corrente do estator, a transformada wavelet produz os coeficientes característicos das falhas, os quais são usados no cálculo das variáveis estatísticas, como a média, root mean square, skewness e kurtosis. Estes valores são transmitidos como dados de entrada para as redes neurais que identificam as falhas e classificam a natureza das mesmas. Por fim, resultados obtidos visam validar a metodologia sugerida, que buscou nos sistemas inteligentes soluções eficazes para diagnosticar falhas em máquinas elétricas. / This thesis consists in developing a system for the identification and classification of faults in three-phase electric motors. The faults were analyzed and simulated in the laboratory and involve electrical problems, such as short circuit in the stator, and mechanical problems, such as broken rotor bars. The proposed computer system is formed by discrete wavelet transform, by calculation of statistical variables and for artificial neural networks. From the electrical signals of the stator current, the wavelet transform produces characteristic coefficients of faults, which are extracted by calculating of statistics variables, such as mean, root mean square, skewness and kurtosis. These values are passed as input to the neural networks that identify faults and the severity of it. Finally, results aimed at validating the methodology suggested that sought effective solutions in intelligent systems to diagnose faults in electrical machines.

Este trabalho de pesquisa apresenta o desenvolvimento de uma metodologia de diagnóstico automático de falhas do tipo curto-circuito de baixa impedância em circuitos alimentadores de média tensão de sistemas reticulados de distribuição de energia elétrica tipo spot network. O diagnóstico compreende a identificação do tipo de curto-circuito ocorrido e a sua localização. A metodologia está baseada no treinamento e uso de Redes Neurais Artificiais (RNAs). Os parâmetros para treinamento das RNAs são obtidos a partir de padrões de comportamento elétrico de curtos circuitos monofásicos, bifásicos e trifásicos à terra, obtidos por simulação de um circuito de distribuição real localizado na cidade de Brasília. Para obtenção do comportamento elétrico do circuito de distribuição foi utilizado o aplicativo de simulação ATP (Alternative Transient Program); para estruturação, treinamento e testes das RNAs da metodologia de diagnóstico foi utilizado o software Matlab (aplicativo de RNA). Os principais resultados dos testes das RNAs da metodologia são apresentados. Tais resultados demonstram a viabilidade científica e tecnológica de se aplicar a metodologia desenvolvida como ferramenta de diagnóstico em tempo real de auxílio dos departamentos de engenharia de operação e manutenção de concessionárias elétricas. Este trabalho também apresenta as principais possibilidades de continuidade desta pesquisa científica e tecnológica baseada em redes neurais artificiais na área de diagnóstico automático de sistemas reticulados. / This work presents the development of an automatic failure diagnostic methodology for low impedance short circuit in mid voltage feeders of distribution spot networks systems. The developed methodology has the feature to identify the type of short circuit and its location. An Artificial Neural Network technique was employed. The parameters used to train the Artificial Neural Networks are obtained based upon patterns in simulations of real cases for short circuit behavior in mono-phase, bi-phase and tri-phase to ground configuration. The input data for the simulation was based on a real distribution circuit belonging to the Power Utility CEB located in Brasília-Brazil. The simulation program ATP (Alternative Transient Program) was used to obtain the electric behavior of the circuit in the distribution network. As for the Artificial Neural Network simulation, trainings and tests Matlab was employed. As a main contribution the results of this work shows the technical feasibility to apply such methodology as a important real time diagnostic tool to support the system operation and maintenance departments of power utilities that uses spot network topologies. Furthermore, it is presented the possibilities to continue this research related to automatic diagnostics for network distribution systems based on Artificial Neural Networks technique.

O estudo das condições de operação de um motor de indução em um ambiente industrial é indispensável, tendo em vista que eventuais problemas podem contribuir para um prejuízo na produção, ou ainda para custos adicionais relacionados à falta de manutenção dos equipamentos. Uma das principais falhas que podem ocorrer em um motor de indução do tipo gaiola de esquilo durante sua operação é o rompimento de uma ou mais barras que compõem o seu rotor. Apresenta-se neste trabalho um novo método para auxiliar na detecção de barras quebradas em um rotor tipo gaiola de esquilo, para um motor de grande porte, durante sua operação em regime permanente. A partir de um modelo matemático foi possível avaliar o rompimento de barras do rotor, detectando em uma posição específica, a variação da densidade de fluxo magnético resultante, produzida pela contribuição do fluxo de dispersão de cada barra do rotor, bem como pelo fluxo criado pelas correntes do estator. Um sensor de efeito Hall é instalado entre duas bobinas do estator, a fim de representar a posição onde é realizado o cálculo da densidade de fluxo magnético resultante pela modelagem matemática proposta. O sinal gerado pelo sensor a partir de uma falha é comparado com aquele obtido a partir do rotor saudável, para posterior análise. O trabalho sugere ainda a aplicação do método de detecção da falha em conjunto com uma técnica de inteligência artificial baseada nas redes neurais artificiais, a fim de contribuir para o diagnóstico da falha e estimativa do número de barras rompidas. Os resultados obtidos da simulação, bem como os dados obtidos durante o ensaio são apresentados e usados na validação do modelo matemático desenvolvido. / The study of operational conditions of an induction motor in an industrial environment is indispensable, once eventual problems can contribute for production losses, or still for additional costs related to the lack of equipments maintenance. Among the principal faults, in a squirrel cage induction motor can occur the breaking of one or more rotor bars. This work presents a new method in aid of detection of broken bars in a large squirrel cage induction motor during its operation in steady-state. A mathematical model is used to evaluate the broken rotor bars, detecting in a specific point, the resulting magnetic flux density produced by the leakage flux created by the rotor and stator currents. The Hall effect sensor is installed between two stator coils, in order to represent the position where the resulting magnetic flux density is calculated by the proposed mathematical model. The signal detected in the sensor during a fault, is compared to the obtained result of the magnetic flux density from a healthy rotor for analysis. The work still suggests the application of the artificial intelligence technique, based on artificial neural networks in the mathematical model, in order to aid on the fault detection and estimate of the number of broken bars. The simulation and experimental results are presented in order to validate the developed mathematical model.

Esta tese consiste em desenvolver um sistema de identificação e classificação de falhas em motores de indução trifásico. As falhas analisadas foram simuladas em laboratório e envolvem problemas elétricos, como curto-circuito no estator, e problemas mecânicos, como barras quebradas no rotor. O sistema computacional proposto é formado pela transformada discreta wavelet, pelo cálculo de variáveis estatísticas e por redes neurais artificiais. A partir dos sinais elétricos da corrente do estator, a transformada wavelet produz os coeficientes característicos das falhas, os quais são usados no cálculo das variáveis estatísticas, como a média, root mean square, skewness e kurtosis. Estes valores são transmitidos como dados de entrada para as redes neurais que identificam as falhas e classificam a natureza das mesmas. Por fim, resultados obtidos visam validar a metodologia sugerida, que buscou nos sistemas inteligentes soluções eficazes para diagnosticar falhas em máquinas elétricas. / This thesis consists in developing a system for the identification and classification of faults in three-phase electric motors. The faults were analyzed and simulated in the laboratory and involve electrical problems, such as short circuit in the stator, and mechanical problems, such as broken rotor bars. The proposed computer system is formed by discrete wavelet transform, by calculation of statistical variables and for artificial neural networks. From the electrical signals of the stator current, the wavelet transform produces characteristic coefficients of faults, which are extracted by calculating of statistics variables, such as mean, root mean square, skewness and kurtosis. These values are passed as input to the neural networks that identify faults and the severity of it. Finally, results aimed at validating the methodology suggested that sought effective solutions in intelligent systems to diagnose faults in electrical machines.

O objetivo desta tese consiste na implementação de sistemas inteligentes para monitoramento e diagnósticos de falhas ocorrentes em motores de indução trifásicos. Para tanto, desenvolveu-se uma bancada de experimentos que visa ensaios de falhas relacionados a curto-circuito entre as bobinas do enrolamento de estator, quebras nas barras da gaiola de esquilo do rotor e, finalmente, rolamentos defeituosos. Mais especificamente, o enfoque principal consiste na proposição de uma abordagem neural de detecção de quebras nas barras de rotores de motores de indução trifásicos mediante a análise do espectro de frequência e aplicação de técnicas de análise das componentes principais. Considerou-se o acionamento do motor de indução tanto pela tensão de alimentação da rede quanto por inversor trifásico em diferentes frequências, operando sob diversas condições de torque de carga para a avaliação da metodologia. / The objective of this thesis consists of the implementation of intelligent systems for three-phase induction motors fault diagnosis and condition monitoring. Therefore, an experimental test stand for stator winding inter-turn short circuit faults, broken rotor bar in squirrel cage and, finally, defective wheel bearing has been designed. The main focus is to propose a neural network approach, which uses spectral frequency analysis and principal component analysis techniques to detect broken rotor bar in squirrel cage induction motor. Induction motor operating at different load torque conditions and supplied with sinusoidal voltage supply and three-phase inverter at different frequency was considered in the experiment for methodology evaluation.

Orientador: Prof. Dr. Jesus Franklin Andrade Romero. / Tese ( doutorado)- Universidade Federal do ABC. Programa de Pós-Graduação em Energia, 2016.

Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-21T20:22:26Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-22T14:06:59Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-22T18:09:14Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-22T18:12:24Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-22T19:44:22Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho null (nelson@feb.unesp.br) on 2017-11-23T11:57:14Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-23T12:57:55Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-23T13:16:31Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-23T13:34:44Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-23T17:24:55Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-23T17:29:01Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-24T12:05:23Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-24T12:39:44Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-24T16:47:39Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-24T17:31:21Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Submitted by Nelson Medeiros da Silva Filho (nelson@feb.unesp.br) on 2017-11-27T11:40:49Z No. of bitstreams: 1 Dissertação_Nelson_definitiva.pdf: 7460359 bytes, checksum: 2454c030157e861e2383abfc17deeed5 (MD5) / Approved for entry into archive by Minervina Teixeira Lopes null (vina_lopes@bauru.unesp.br) on 2017-11-27T11:49:57Z (GMT) No. of bitstreams: 1 silvafilho_ne_me_bauru.pdf: 7341586 bytes, checksum: 69bdcc2dde57f38f92436f203095b2a2 (MD5) / Made available in DSpace on 2017-11-27T11:49:57Z (GMT). No. of bitstreams: 1 silvafilho_ne_me_bauru.pdf: 7341586 bytes, checksum: 69bdcc2dde57f38f92436f203095b2a2 (MD5) Previous issue date: 2017-09-29 / O Motor de Indução Trifásico (MIT) é o mais utilizado em aplicações industriais e acionamentos eletromecânicos diversos, por ser um motor de construção robusta, ter baixo custo de fabricação e bom rendimento elétrico. Nesse cenário, destaca-se a importância de um correto diagnóstico de falhas de uma forma incipiente, evitando perdas nos processos produtivos e danos severos nessas máquinas. A estratégia da manutenção corretiva impõe, nos processos produtivos, paradas inesperadas da linha de produção podendo causar grandes prejuízos financeiros. Nesse contexto, a manutenção preditiva, auxiliada por sistemas de monitoramento constante, vem de encontro as necessidades dos processos industriais pois, além de prever paradas inesperadas, permite um planejamento da produção mais seguro, no que tange a continuidade do processo e administração da equipe de manutenção especializada. Entretanto, requer monitoramento constante com uma análise dos dados e conhecimento prévio do sistema para a avaliação dos parâmetros e das variáveis envolvidas. Esse trabalho de pesquisa propôs o desenvolvimento de uma abordagem para diagnosticar defeitos em MIT, por meio de diafragmas piezelétricos de baixo custo e sistemas inteligentes do tipo Redes Neurais Artificiais (RNA). Mais especificamente, defeitos elétricos do tipo curto-circuito entre espiras de uma mesma bobina nos estatores dessas máquinas. Para tal, foi implementada uma bancada experimental em ambiente de laboratório, onde foram realizados ensaios com simulações de falhas relacionadas a curto-circuito entre espiras das bobinas do enrolamento do estator, visando a obtenção de dados de corrente elétrica e vibração do MIT, para o treinamento das arquiteturas de RNA. Em seguida essas redes foram treinadas e validadas, e a análise dos resultados obtidos foi realizada através de critérios estatísticos como taxa de acerto percentual, erro relativo percentual, desvio padrão e coeficiente de correlação entre os dados. Os resultados indicam que a abordagem proposta mostrou-se precisa e robusta, sinalizando a factibilidade do uso da técnica em motores de maior potência e tensão elétrica de operação, que possuem valores de custo para aquisição relativamente altos. / The three-phase induction motor (MIT) is the most widely used in industrial applications and various electromechanical drives, as it is a robust construction engine, low manufacturing cost and good electrical performance. In this scenario, the importance of a correct fault diagnosis in an incipient way is highlighted, avoiding losses in the productive processes and severe damages in these machines. The strategy of corrective maintenance imposes, in the productive processes, unexpected stops of the production line and can cause great financial losses. In this context, the predictive maintenance, aided by constant monitoring systems, meets the needs of industrial processes because, in addition to anticipating unexpected stops, it allows a safer production planning regarding the continuity of the process and administration of the maintenance team specialized. However, it requires constant monitoring with an analysis of the data and prior knowledge of the system for the evaluation of the parameters and variables involved. This research project proposed the development of an approach to diagnose defects in MIT, through low cost piezoelectric diaphragms and intelligent artificial neural networks (ANNs). More specifically, short-circuit electrical defects between turns of the same coil in the stators of these machines. For this, an experimental bench was implemented in a laboratory environment, where tests were performed with fault simulations related to short circuits between turns of the coils of the stator winding, aiming to obtain data of electrical current and vibration of the MIT for the training of ANN architectures. Afterwards, these networks were trained and validated, and the analysis of the results obtained was performed through statistical criteria such as percentage success rate, relative percentage error, standard deviation and correlation coefficient between the data. The results indicated that the proposed approach proved to be accurate and robust, signaling the feasibility of using the technique in engines with higher power and operating voltage, which have relatively high acquisition cost values.

The dynamic behavior of a cracked shaft was studied both in run-up and run-down transient motion. A mathematical model of the shaft was developed , and experimental tests were performed in order to validate the model. A experimental testing rig was conducted, containing an horizontal flexible rotor with a rigid disc in the mid point between the bearings. Experimental and theo retical responses were compared for both cracked and uncracked shafts. All tests were done for several acceleration rates and unbalance conditions. For the theoretical study of dynamic response of the cracked shaft, the stiffness matrix for a cracked element was deduced, using the modified crack Model of Mayes. The rotor model was obtained by using the finite elements method. The equations of motion were integrated in the time domain by using Newmark method to obtain the transient response. Comparing theoretical and experimental results validated the model. For this purpose, the modified Mayes model was used to represent the dynamic response of the crached shaft. Further simulations were conducted to study the influence of acceleration rates, unbalance amplitude /orientation and crack severity on the response of a cracked shaft, running on transient mo tion. / Neste trabalho apresenta -se um estudo do comportamento dinâmico de um rotor com trinca no regime transiente, tanto na parada como na partida. Foi desenvolvido um modelo matemático -computacional de um rotor com trinca e foram também realizados testes experimentais com vistas à validação do modelo. Para o estudo experimental, foi construida uma bancada constituida por um rotor flexível horizontal com um disco rígido montado na posição média do comprimento. A resposta experimental do rotor foi comparada para os casos com e sem trinca. Para tanto, foram usados dois eixos, um com trinca e, o outro, sem trinca. Os testes experimentais foram feitos para diferentes taxas de aceleração e condições de desbalanceamento. Para o estudo teórico da resposta dinâmica do rotor com trinca, foi determinada a matriz de flexibilidade para um elemento com falha, uma vez aplicado o modelo de trinca de Mayes modificado. O modelo do rotor foi obtido através do método dos elementos finitos, e para o cálculo da resposta dinâmica no regime transiente foi utilizado o método de integração numérica de Newmark. O modelo foi validado mediante a comparação dos resultados teóricos com os experimentais, tendo sido mostrado que o Modelo de Mayes modificado representa adequadamente o comportamento dinâmico de um rotor com trinca. Foram feitas simulações para estudar a influência das taxas de aceleração, da intensidade do desbalanceamento presente no sistema e da severidade da trinca sobre o comportamento do rotor com trinca no regime transiente. / Mestre em Engenharia Mecânica

The problem of fault diagnosis has been widely discussed by the academic community using the theory of Discrete Event Systems. However, the application of this theory to real systems is a field where there is a lot to be explored. The problem proposed in this work is to diagnose permanent or intermittent failures in devices (sensors and actuators) belonging to stations of a didactic flexible manufacturing system, called Modular Production System - MPS, produced by Festo company. The objective will be achieved through a modeling and simulation that allow for future implementation in the system. Three methods will be presented on fault diagnosis written in UPPAAL software language which is based on the timed safety automata formalism, as proposed by ALUR and DILL (1994) and HENZINGER et al (1994). The first method is an implementation of TRIPAKIS (2002) diagnoser. The other two methods developed in this research are inspired by TRIPAKIS (2002) and are diagnosable by definitions presented in TRIPAKIS (2002) and I-diagnosability presented in Sampath et al. (1995). The strategies for fault detection include the use of a network of timed safety automata, composed of the automaton that describes the process behavior and the diagnosers automata for each type of failure. The diagnosers detect failures from the observation of delays of certain transitions in the automaton G (process) and isolate them through observations of the sensors states. Fault indicators events serve to announce failures and synchronize the automaton G with the diagnosers. / O problema do diagnóstico de falhas, utilizando a teoria de Sistemas a Eventos Discretos, tem sido largamente abordado pela comunidade acadêmica. Entretanto, a aplicação desta teoria a sistemas reais é um campo onde há muito a ser explorado. O problema proposto, neste trabalho, é o de diagnosticar falhas permanentes ou intermitentes de dispositivos (sensores e atuadores) pertencentes a estações de um sistema flexível de manufatura didático, denominado Sistema Modular de Produção - MPS, fabricado pela empresa Festo. Este objetivo será alcançado por meio de uma modelagem e simulação que permitam uma futura implementação no sistema. Serão apresentados três métodos para diagnóstico de falhas escritos na linguagem do software UPPAAL que se baseia no formalismo autômatos seguros temporizados, conforme proposto por ALUR e DILL (1994) e HENZINGER et al (1994). O primeiro método é uma implementação do diagnosticador proposto em TRIPAKIS (2002). Os outros dois métodos, elaborados nesta pesquisa, são inspirados no diagnosticador TRIPAKIS (2002) e são diagnosticáveis pelos critérios apresentados em TRIPAKIS (2002) e Idiagnosticabilidade conforme SAMPATH et al. (1995). As estratégias para detecção de falhas incluem a utilização de uma rede de autômatos seguros temporizados, composta pelo autômato que descreve o comportamento do processo e por autômatos diagnosticadores para cada tipo de falha. Os diagnosticadores detectam as falhas a partir da observação de atrasos de determinadas transições do autômato G (processo) e as isolam por meio de observações dos estados dos sensores. Eventos indicadores de falhas servem para anunciar falhas e sincronizar o autômato G com os diagnosticadores.