Os motores de indução trifásicos são os principais elementos de conversão de energia elétrica em mecânica motriz aplicados em vários setores produtivos. Identificar um defeito no motor em operação pode fornecer, antes que ele falhe, maior segurança no processo de tomada de decisão sobre a manutenção da máquina, redução de custos e aumento de disponibilidade. Nesta tese são apresentas inicialmente uma revisão bibliográfica e a metodologia geral para a reprodução dos defeitos nos motores e a aplicação da técnica de discretização dos sinais de correntes e tensões no domínio do tempo. É também desenvolvido um estudo comparativo entre métodos de classificação de padrões para a identificação de defeitos nestas máquinas, tais como: Naive Bayes, k-Nearest Neighbor, Support Vector Machine (Sequential Minimal Optimization), Rede Neural Artificial (Perceptron Multicamadas), Repeated Incremental Pruning to Produce Error Reduction e C4.5 Decision Tree. Também aplicou-se o conceito de Sistemas Multiagentes (SMA) para suportar a utilização de múltiplos métodos concorrentes de forma distribuída para reconhecimento de padrões de defeitos em rolamentos defeituosos, quebras nas barras da gaiola de esquilo do rotor e curto-circuito entre as bobinas do enrolamento do estator de motores de indução trifásicos. Complementarmente, algumas estratégias para a definição da severidade dos defeitos supracitados em motores foram exploradas, fazendo inclusive uma averiguação da influência do desequilíbrio de tensão na alimentação da máquina para a determinação destas anomalias. Os dados experimentais foram adquiridos por meio de uma bancada experimental em laboratório com motores de potência de 1 e 2 cv acionados diretamente na rede elétrica, operando em várias condições de desequilíbrio das tensões e variações da carga mecânica aplicada ao eixo do motor. / The three-phase induction motors are the key elements of electromechanical energy conversion in a variety of productive sectors. Identify a defect in an operating motor can provide, before it fails, greater safety for decision making on machine maintenance, reduce costs and increase process availability. This thesis initially presents a literature review and the general methodology for reproduction of defects in the motors and the application of discretization technique of current and voltage signals in the time domain. It was also developed a comparative study of methods of pattern classification for the identification of defects has been developed in these machines, such as Naive Bayes, k-Nearest Neighbor, Support Vector Machine (Sequential Minimal Optimization), Artificial Neural Network (Multilayer Perceptron), Repeated incremental Pruning to Produce Error Reduction and C4.5 Decision Tree. Also applied the concept of Multi-Agent Systems (MAS) to support the use of multiple competing methods in a distributed manner to pattern recognition of faults in bearings, broken rotor bars and stator short-circuit in induction motors. Additionally, some strategies for the definition of the severity of the aforementioned defects in engines have been explored, including making an investigation of the influence of voltage unbalance in the machine feed for the determination of these anomalies. Experimental data are acquired from 1 and 2 cv motors under sinusoidal supply, operating in various unbalance conditions and under a wide range of mechanical load applied to the motor shaft.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-03062016-110622 |
| Date | 15 April 2016 |
| Creators | Rodrigo Henrique Cunha Palácios |
| Contributors | Ivan Nunes da Silva, Alessandro Goedtel, Manoel Luis de Aguiar, Edson Bim, Wagner Tanaka Botelho, Carlos Roberto Minussi |
| Publisher | Universidade de São Paulo, Engenharia Elétrica, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.007 seconds