Return to search

Detecção de falhas de estator em motores de indução trifásicos utilizando transformada wavelet, medida RMS e potência de previsão / Stator fault detection in three phase induction motors using wavelet transform, RMS and prediction power

O Motor de Indução Trifásico é a máquina elétrica mais utilizada no ambiente industrial. Trata-se de um equipamento que apresenta construção robusta, facilidade de manutenção, baixo custo de aquisição e confiabilidade. Contudo, em ambiente fabril, o mesmo está exposto a esforços térmicos, elétricos e mecânicos indesejáveis, os quais, com o passar do tempo, resultam em uma falha. A presente pesquisa consiste em analisar a falha de curto-circuito de estator, uma das falhas mais recorrentes em motores de indução. Para tanto, são investigadas as peculiaridades refletidas nos sinais de corrente estatórica, a fim de correlacionar as características do sinal à falha em questão. Para tanto, os sinais de corrente são processados por meio das transformadas de Fouriere Wavelet, buscando-se isolar frequências características de uma falha de curto-circuito, as quais possam auxiliar na detecção de uma falha. Posteriormente, a classificação a partir das informações ex traídas é efetuado por meio de Redes Neurais Artificiais, especificamente, a perceptron multicamadas e a Radial Basis Function. / The Three-Phase Induction Motor is the most utilized electrical machine in industrial envi- ronments. It is an equipment that shows robust construction, ease maintenance, low cost and reliability. However, frequently, machines are exposed to thermal, electrical and mecha- nical efforts, which, over time, result in a failure. This work aims to analize the stator short circuit fault, one of the most frequent induction motor failures. Therefor, the peculiarities of the signals that are reflected in stator current are investigated, in order to correlate the signal characteristics to the failure in question. Current signals are processed through the Fourier and Wavelet transform in order to analyse short-circuit specific frequencies. Subse- quently, the classification is performed through two artificial neural networks, the multilayer perceptron and the Radial Basis Function.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.utfpr.edu.br:1/3194
Date26 October 2015
CreatorsVitor, Avyner Lorran de Oliveira
ContributorsScalassara, Paulo Rogério, Durand, Fábio Renan, Scalassara, Paulo Rogério, Abrão, Taufik, Goedtel, Alessandro
PublisherUniversidade Tecnológica Federal do Paraná, Cornelio Procopio, Programa de Pós-Graduação em Engenharia Elétrica, UTFPR, Brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UTFPR, instname:Universidade Tecnológica Federal do Paraná, instacron:UTFPR
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0026 seconds