Submitted by FÁBIO ISAAC FERREIRA null (fab.kf@hotmail.com) on 2016-10-12T00:28:08Z No. of bitstreams: 1 Dissertação Mestrado Fábio Isaac_v12.pdf: 8099431 bytes, checksum: e9d54744f75dea018e79b7c75149beac (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-10-18T15:32:05Z (GMT) No. of bitstreams: 1 ferreira_fi_me_bauru.pdf: 8099431 bytes, checksum: e9d54744f75dea018e79b7c75149beac (MD5) / Made available in DSpace on 2016-10-18T15:32:05Z (GMT). No. of bitstreams: 1 ferreira_fi_me_bauru.pdf: 8099431 bytes, checksum: e9d54744f75dea018e79b7c75149beac (MD5) Previous issue date: 2016-08-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A dressagem é um processo essencial para a usinagem, pois impacta diretamente na qualidade superficial de peças retificadas. A dressagem consiste em recompor a característica cortante dos grãos abrasivos da superfície do rebolo após sucessivas retificações, a partir da remoção de material pela ponta do dressador de diamante. O dressador pode ser monitorado em tempo real utilizando sensores, a fim de garantir a qualidade no processo da dressagem e fornecer informações da condição da ferramenta, sem precisar interromper o processo de usinagem. Assim, este trabalho propõe um método para predição da largura de atuação do dressador de diamante, utilizando sinais de emissão acústica e redes neurais artificiais. Sabe-se que a largura de atuação do dressador impacta diretamente na dressagem, pois determina a agressividade que é gerada no rebolo. Por isso, um sistema de monitoramento online que seja capaz de predizer um passo à frente a condição do dressador seria de grande valia para o processo, pois extinguiria a necessidade de paradas para monitoramento direto, reduziria a atuação dos operadores e evitaria a subutilização ou sobreutilização da ferramenta. Para este fim, os experimentos foram realizados em uma retificadora plana equipada com rebolos abrasivos de óxido de alumínio e dressadores piramidais de ponta única, do tipo natural. Os sinais de emissão acústica foram aquisitados a uma frequência de 2 MHz e processados utilizando filtros digitais e diferentes estatísticas, como RMS, ROP, power law, CFAR e MVD. Dois tipos de redes neurais foram desenvolvidos, um para estimação e outro para predição, sendo que a saída da primeira rede é utilizada como entrada para a segunda. Para a estimação, foram desenvolvidos modelos neurais do tipo MLP, que utilizam as estatísticas dos sinais do sensor como suas entradas. Para a predição, foram desenvolvidos modelos do tipo TDNN, que inserem o atraso no tempo. Os resultados obtidos indicam que a emissão acústica é eficiente para a predição da largura útil do dressador com a utilização das melhores estatísticas e faixa de bandas selecionadas. A utilização de redes neurais se apresentou eficiente para este tipo de aplicação e a metodologia proposta pode ser implementada para a predição do parâmetro, fornecendo informações indispensáveis ao processo, um passo à frente. / Dressing is an important process in machining, because it directly impacts on the quality surface of the workpieces. Dressing consists of restoring the cutting characteristics of the abrasive grains on wheel surface after several grinding passes through material removal by the tip of the diamond dresser. The dresser can be monitored in real time using sensors in order to guarantee the quality of the dressing process and provide information about tool condition, without the need of interrupting machining process. Then, this work proposes a methodology to predict the width of dresser at the dressing depth using acoustic emission signals and artificial neural networks. It is known that the width of dressing at the dressing depth directly impacts in dressing, because it defines the wheel sharpness. Therefore an online monitoring system able to predict one step forward the condition of the dresser would be of great value for the process, because it would extinguish the need of stops for the direct monitoring, would reduce the function of operators and would avoid the sub-utilization and over-utilization of the tool. For this purpose, experiments were performed using a horizontal surface grinding machine equipped with aluminum oxide grinding wheels and natural single-point pyramidal dressers. Acoustic emission signals were acquired at 2 MHz and processed using digital filters and some statistics as RMS, ROP, power law, CFAR and MVD. Two kinds of neural networks were developed, one for estimation and other for prediction, wherein the output of first were used as input of second. For estimation, MLP neural models were developed, being that the statistics of sensor signals were used as their inputs. For prediction, TDNN neural models were developed, inserting time delay. Results obtained indicate that acoustic emission is efficient to predict width of dresser using the best statistics and selected width bands. Utilization of neural networks performed efficient for this kind of application and the proposed methodology can be implemented of prediction of this parameter, providing indispensable information to the process one step forward.

Orientador: Aparecido Carlos Gonçalves / Resumo: Pares engrenados são elementos de transmissão de potência amplamente utilizados em máquinas e equipamentos, todavia as falhas catastróficas desses componentes são comuns e dispendiosas. A análise de vibrações está entre as técnicas de diagnóstico de defeitos incipientes utilizadas em manutenção preditiva, posto que a presença de uma falha altera o comportamento dinâmico do sistema e o estado de degradação pode ser detectado pelo monitoramento dos sinais de vibração. Na indústria atual, onde as aquisições de dados, tanto para controle de processos, quanto para o monitoramento das condições de integridade de equipamentos, são realizadas em tempo real, faz-se necessário o desenvolvimento de métodos que aumentem a confiabilidade das tomadas de decisões em relação à identificação, localização e prognóstico de falhas. O objetivo deste trabalho é desenvolver um modelo matemático de par de engrenagens que auxilie no monitoramento da condição e validar o modelo dinâmico com dados de vibração de um multiplicador de velocidades obtidos experimentalmente. Para tanto, foi elaborada uma metodologia baseada no modelo dinâmico de par engrenado com 6 graus de liberdade para simulação de sinais de vibração; nesse modelo, inclui-se erros geométricos no perfil do dente; de maneira analítica, simula-se uma a trinca do dente de uma das engrenagens que ocasiona a queda de rigidez em função do tempo; desenvolveu-se também um experimento com um multiplicador de velocidades; e, por fim, algumas técnic... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Spur gears are transmission power elements widely used in machinery, however catastrophic failures of this components are just as common and onerous. Vibration analysis is a technique, in among of others, that can be used in diagnostics of incipient damages, common in predictive maintenance, because they change the dynamic behavior of the mechanical system, and the degradation state can be detected by vibration signal or noise. In the current industry production, in which real-time data acquisition - whether for processes control, or for health condition monitoring of equipment - is the reality, it is necessary to develop auxiliary methods that provide high reliability to identification, localization and failure prognostics. In this work, the main objective is to provide a spur gears’ model-based methodology for condition-monitoring and to validate a dynamic model with experimental vibration data of a gearbox. Hence, a dynamic model of spur meshing gears was developed considering a 6 degrees of freedom and time-varying meshing stiffness to simulate vibrations signals; a tooth profile error was also included; in this analytical model, a straight crack was simulated by reducing the meshing stiffness in a tooth; experiments with a gearbox experimental set were run; and, some signal processing was apllied in the vibration data. The results allowed the model validation with the comparison between simulate and experimental signals, in time-domain and frequency-domain / Mestre

Submitted by ANA PAULA ALVES GUIMARÃES null (annapaulasun@gmail.com) on 2017-02-04T20:28:04Z No. of bitstreams: 1 dissertação-final.pdf: 4630588 bytes, checksum: 8c2806b890a1b7889d8d26b4a11e97bf (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-02-07T13:18:18Z (GMT) No. of bitstreams: 1 guimaraes_apa_me_ilha.pdf: 4630588 bytes, checksum: 8c2806b890a1b7889d8d26b4a11e97bf (MD5) / Made available in DSpace on 2017-02-07T13:18:18Z (GMT). No. of bitstreams: 1 guimaraes_apa_me_ilha.pdf: 4630588 bytes, checksum: 8c2806b890a1b7889d8d26b4a11e97bf (MD5) Previous issue date: 2016-12-20 / O monitoramento da condição estrutural é uma área que vem sendo bastante estudada por permitir a construção de sistemas que possuem a capacidade de identificar um determinado dano em seu estágio inicial, podendo assim evitar sérios prejuízos futuros. O ideal seria que estes sistemas tivessem o mínimo de interferência humana. Sistemas que abordam o conceito de aprendizagem têm a capacidade de serem autômatos. Acredita-se que por possuírem estas propriedades, os algoritmos de aprendizagem de máquina sejam uma excelente opção para realizar as etapas de identificação, localização e avaliação de um dano, com capacidade de obter resultados extremamente precisos e com taxas mínimas de erros. Este trabalho tem como foco principal utilizar o algoritmo support vector machine no auxílio do monitoramento da condição de estruturas e, com isto, obter melhor exatidão na identificação da presença ou ausência do dano, diminuindo as taxas de erros através das abordagens da aprendizagem de máquina, possibilitando, assim, um monitoramento inteligente e eficiente. Foi utilizada a biblioteca LibSVM para análise e validação da proposta. Desta forma, foi possível realizar o treinamento e classificação dos dados promovendo a identificação dos danos e posteriormente, empregando as predições efetuadas pelo algoritmo, foi possível determinar a localização dos danos na estrutura. Os resultados de identificação e localização dos danos foram bastante satisfatórios. / Structural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory.

Orientador: Aparecido Carlos Gonçalves / Resumo: A falha catastrófica de caixas de engrenagens acarreta em perdas de produção e custos de manutenção. O elemento mecânico que mais falha em uma caixa de engrenagens é o próprio par engrenado. Estas falhas geralmente ocorrem devido a defeitos pontuais nos dentes como desgaste severo e presença de trincas, contrariando os fatores de segurança previamente definidos por normas referentes aos critérios de falhas em engrenagens. O monitoramento da condição do par engrenado busca avaliar parâmetros representativos dos mecanismos de falha do par engrenado. As técnicas de monitoramento da condição mais utilizadas são a análise de vibrações e análise de lubrificantes. Este trabalho realiza uma revisão bibliográfica de técnicas de monitoramento da condição. A parte experimental consiste na avaliação de uma bancada sob três condições: desgaste severo ao longo da vida útil da engrenagem; engrenagem entalhada para simulação de trinca; engrenagem com variação do entalhe para simulação de uma propagação de trinca. A condição da bancada foi avaliada utilizando técnicas de tratamento de sinais de vibração como TSA, sinal residual, demodulação temporal e análise estatística via PDF beta e; técnicas de análise de lubrificantes como contagem de partículas e espectrometrias de raios-x e infravermelho. Todas as técnicas se mostraram adequadas na avaliação da evolução do desgaste excetuando a espectrometria de infravermelho. Apenas as técnicas de vibração se mostraram adequadas para identificar a pre... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The catastrophic failure of gearboxes results in production losses and maintenance costs. The mechanical component that most fails in gearboxes are the gears. These failures usually occur before the end of useful life projected by criteria of failure standards due teeth defects as severe wear and cracking. The condition monitoring of gearboxes evaluates parameters which can indicate the mechanism of failure in process in the gear. The most commonly used monitoring techniques of gearboxes are vibration analysis and lubricant analysis. Firstly, this work performs a bibliographic review of condition monitoring techniques. The experimental analysis consists of the evaluation of an experimental workbench under three conditions: severe wear throughout the life of the gear; notched gear for crack simulation and; gear with variation of notch for simulation of a crack propagation. The workbench condition was evaluated using vibration signal treatment techniques such as TSA, Residual Signal, Demodulation, Statistical Moments, Crest Factor and Statistical Analysis using PDF beta and; techniques for analyzing lubricants such as particle counting and x-ray and infrared spectrometry. All the techniques were adequate to evaluate the evolution of wear except infrared spectrometry. Only the vibration techniques were adequate to identify the presence an evolution of the notch. Statistical analysis using PDF beta was useful to identify the degradation of a tooth as the notch size evolved. / Mestre

Orientador: Vicente Lopes Junior / Resumo: Structural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory. / Mestre

Submitted by CARLOS EDUARDO SGOTTI (carlos.sgotti@hotmail.com) on 2018-04-27T18:42:48Z No. of bitstreams: 1 2018_Sgotti_Dissertação_Mestrado.pdf: 10994360 bytes, checksum: 90aa52990d9db0b33dd9950ddfb58289 (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-04-27T19:11:29Z (GMT) No. of bitstreams: 1 sgotti_ce_me_ilha.pdf: 10994360 bytes, checksum: 90aa52990d9db0b33dd9950ddfb58289 (MD5) / Made available in DSpace on 2018-04-27T19:11:29Z (GMT). No. of bitstreams: 1 sgotti_ce_me_ilha.pdf: 10994360 bytes, checksum: 90aa52990d9db0b33dd9950ddfb58289 (MD5) Previous issue date: 2018-02-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A falha catastrófica de caixas de engrenagens acarreta em perdas de produção e custos de manutenção. O elemento mecânico que mais falha em uma caixa de engrenagens é o próprio par engrenado. Estas falhas geralmente ocorrem devido a defeitos pontuais nos dentes como desgaste severo e presença de trincas, contrariando os fatores de segurança previamente definidos por normas referentes aos critérios de falhas em engrenagens. O monitoramento da condição do par engrenado busca avaliar parâmetros representativos dos mecanismos de falha do par engrenado. As técnicas de monitoramento da condição mais utilizadas são a análise de vibrações e análise de lubrificantes. Este trabalho realiza uma revisão bibliográfica de técnicas de monitoramento da condição. A parte experimental consiste na avaliação de uma bancada sob três condições: desgaste severo ao longo da vida útil da engrenagem; engrenagem entalhada para simulação de trinca; engrenagem com variação do entalhe para simulação de uma propagação de trinca. A condição da bancada foi avaliada utilizando técnicas de tratamento de sinais de vibração como TSA, sinal residual, demodulação temporal e análise estatística via PDF beta e; técnicas de análise de lubrificantes como contagem de partículas e espectrometrias de raios-x e infravermelho. Todas as técnicas se mostraram adequadas na avaliação da evolução do desgaste excetuando a espectrometria de infravermelho. Apenas as técnicas de vibração se mostraram adequadas para identificar a presença do entalhe. A análise estatística via PDF beta se mostrou útil para identificar a degradação de um dente conforme evolui o tamanho do entalhe. / The catastrophic failure of gearboxes results in production losses and maintenance costs. The mechanical component that most fails in gearboxes are the gears. These failures usually occur before the end of useful life projected by criteria of failure standards due teeth defects as severe wear and cracking. The condition monitoring of gearboxes evaluates parameters which can indicate the mechanism of failure in process in the gear. The most commonly used monitoring techniques of gearboxes are vibration analysis and lubricant analysis. Firstly, this work performs a bibliographic review of condition monitoring techniques. The experimental analysis consists of the evaluation of an experimental workbench under three conditions: severe wear throughout the life of the gear; notched gear for crack simulation and; gear with variation of notch for simulation of a crack propagation. The workbench condition was evaluated using vibration signal treatment techniques such as TSA, Residual Signal, Demodulation, Statistical Moments, Crest Factor and Statistical Analysis using PDF beta and; techniques for analyzing lubricants such as particle counting and x-ray and infrared spectrometry. All the techniques were adequate to evaluate the evolution of wear except infrared spectrometry. Only the vibration techniques were adequate to identify the presence an evolution of the notch. Statistical analysis using PDF beta was useful to identify the degradation of a tooth as the notch size evolved.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-04-13T12:14:28Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Henrique Azevedo - Tese de Mestrado - Finalizada_Rev13_Hen_Alex_Nad_Rob_ABNT_Gus_Bib-1.pdf: 2536238 bytes, checksum: 092410d49ebfec82ff6f89b7a23f93e3 (MD5) / Made available in DSpace on 2016-04-13T12:14:28Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Henrique Azevedo - Tese de Mestrado - Finalizada_Rev13_Hen_Alex_Nad_Rob_ABNT_Gus_Bib-1.pdf: 2536238 bytes, checksum: 092410d49ebfec82ff6f89b7a23f93e3 (MD5) Previous issue date: 2015-08-28 / Desde a década de 1980, a tecnologia de energia eólica sofreu um imenso crescimento em relação tanto ao tamanho da turbina quanto à capacidade instalada a nível mundial. Como a demanda por turbinas eólicas de grande escala e de custo mais baixos de operação e manutenção continua a crescer, o interesse nos sistemas de monitoramento de condição (CMS, do inglês Condition Monitoring System) tem aumentado rapidamente. Os principais componentes (MC, do inglês Main Components) das turbinas eólicas são o foco de praticamente todos CMS já que eles provocam um elevado custo de reparo e tempo de parada. Entretanto, uma grande parte das falhas em MC é causada por danos secundários devido a uma falha de um subcomponente. O objetivo deste trabalho é apresentar e propor um método de análise para identificar defeitos em componentes principais ou subcomponentes de uma turbina eólica. O método de análise proposto se baseia em técnicas de sinais temporais de vibração, nas transformadas rápidas de Fourier e análises envelope obtidas através da transformada de Hilbert. A aplicação do método, em uma turbina eólica instalada em um parque eólico real, permitiu a identificação, com sucesso, de um defeito no rolamento, o qual foi substituído confirmando a falha. / Since the decade of 1980s, wind energy technology has undergone tremendous growth over both turbine size and worldwide installed capacity. As the demand for wind turbines of large-scale and lower cost of operation and maintenance continues to grow, interest in condition monitoring system (CMS) has increased rapidly. The main components (MC) of the wind turbines are the focus of almost all CMS since they cause a high repair cost and downtime. However, a large portion of the MC faults are caused by secondary damages due to a subcomponent failure. The objective of this work is to present and propose a method of analysis to identify defects in major components or subcomponents of a wind turbine. The proposed analysis method is based on time wave analysis, fast Fourier transforms analysis and envelope analysis through Hilbert transforms. The application of the method in a wind turbine installed in a real wind farm, identified a bearing defect successfully, which was replaced confirming the failure.