Orientador: Robson Pederiva / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-07-24T15:17:14Z (GMT). No. of bitstreams: 1 Vilela_RivaldoAraujo_M.pdf: 7957893 bytes, checksum: 457d960c36ef522839a73e354e246336 (MD5) Previous issue date: 1998 / Resumo: Este trabalho aborda metodologias que procuram prever a evolução do comportamento vibratório de sistemas mecânicos, objetivando avaliar tecnicamente, o melhor momento para a execução da manutenção num equipamento. Com este intuito, desenvolveu-se um modelo matemático para equipamentos que falham, principalmente devido ao desgaste. Este modelo está baseado na constatação de que os níveis de vibração nos sistemas mecânicos aceleram os processos de degradação, e estes, por sua vez, aumentam os níveis de vibração, num ciclo que acaba por gerar a falha do sistema. Para avaliar a metodologia desenvolvida aplica-se esta a casos retirados da literatura, a dados provenientes de processos simulados de desgaste e de um trabalho experimental especialmente desenvolvido com este objetivo. Nestas aplicações procura-se, além da comparação com os dados reais, comparar os resultados com os obtidos pela teoria do Sistema Cinza, teoria esta já aplicada com fins de prognóstico. Embora haja a necessidade de mais desenvolvimentos nesta área, a metodologia desenvolvida mostrou resultados relevantes e satisfatórios no campo da previsão do comportamento vibratório de sistemas / Abstract: This work approaches methodologiesthat attempt to anticipate the evolution of vibration behavior of mechanical systems aiming to evaluate technically an optimum timing for maintenance on a piece of equipment. With this on mind a mathematical model was developed for equipment that fail due to wear. This model is based on the fact that levels of vibration on the mechanical systems accelerate the degradation, and these then, increase the vibration levels in a cycle that culminates with the system's failure. In order to evaluate the developed methodology, it is applied to cases from literature, to data originated from processes simulating the wear and to an experimental work specially developed for this purpose. During these applications it is sought, besides comparison with real data, to compare the results with the ones got through the Grey System theory, which has been applied for prognosis. Although there has been a need for more development in this area, the methodology developed in this work demonstrated relevant and satisfactory results in the field of anticipating the vibration behavior of systems / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Robson Pederiva / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-19T20:21:22Z (GMT). No. of bitstreams: 1 Silva_ViniciusAugustoDiniz_M.pdf: 16029999 bytes, checksum: a3585cbd021c6f84637d409a34a51962 (MD5) Previous issue date: 2012 / Resumo: Motores elétricos são componentes essenciais na grande maioria dos processos industriais. As diversas falhas nas máquinas de indução podem gerar consequências drásticas para um processo industrial. Os principais problemas estão relacionados ao aumento dos custos, piora nas condições do processo e de segurança e qualidade do produto final. Muitas destas falhas mostram-se progressivas. Neste trabalho, apresenta-se uma contribuição ao estudo de métodos de detecção de falhas em motores elétricos usando Máquinas de Vetores de Suporte (SVM), treinadas a partir de sinais de vibração obtidos experimentalmente. A metodologia desenvolvida é usada para classificar a excitação devido a falhas mecânicas e elétricas, além da condição normal de funcionamento, utilizando apenas um sensor de vibração. Através da seleção de parâmetros é possível reduzir o número de entradas capazes de representar os sinais utilizados para o treinamento das SVMs. A normalização proposta permitiu melhorar as taxas de acerto, quando se quer classificar falhas em diferentes níveis de severidade das que foram utilizadas para o treinamento. Os resultados mostraram que a metodologia apresentada pode ser adaptada para ser utilizada em aplicações práticas industriais e poderá ser no futuro uma saída viável para uma manutenção industrial eficiente e eficaz / Abstract: Electric motors are essential components in most industrial processes. The several faults in induction machines can produce drastic consequences for an industrial process. The main problems are related to rising costs, decrease conditions in the process and safety and quality of the final product. Many of these failures are progressive. In this paper, we present a contribution to the study of methods for detecting faults in induction motors using Support Vector Machines (SVM) trained from vibration signals obtained experimentally. The developed methodology is used to classify the excitation due to mechanical and electrical failures, in addition to normal operating condition, using only a vibration sensor. Through the feature selection is possible to reduce the number of inputs that represent the signals used for training the SVMs. The proposed standardization has improved the accuracy rates when we want to classify failures at different levels of severity that were used for training. The results showed that this methodology can be adapted for use in industrial and practical applications and in the future may be a viable approach to an efficient and effective industrial maintenance / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica