OLIVEIRA, A. G. Classificadores neurais aplicados na detecção de curto-circuito entre espiras estatóricas em motores de indução trifásicos acionados por conversores de frequência. 2014. 98 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-02-19T18:03:47Z
No. of bitstreams: 1
2014_dis_agoliveira.pdf: 2374651 bytes, checksum: d0b7882e7849cec13f6935188050661d (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-02-20T11:17:25Z (GMT) No. of bitstreams: 1
2014_dis_agoliveira.pdf: 2374651 bytes, checksum: d0b7882e7849cec13f6935188050661d (MD5) / Made available in DSpace on 2015-02-20T11:17:25Z (GMT). No. of bitstreams: 1
2014_dis_agoliveira.pdf: 2374651 bytes, checksum: d0b7882e7849cec13f6935188050661d (MD5)
Previous issue date: 2014-05-23 / This dissertation reports applications of artificial neural networks to detect stator winding interturn fault of three phase induction motor drived by frequency inverter. The artificial neural networks, like Simple and Multilayer Perceptron, served as off-line classifiers to short-circuit fault condition or healthy condition. In the training of Multilayer Perceptron, two different algorithms are used: the error back-propagation, which is a classic algorithm, and the extreme learning machine, as a relative new alternative for the classic back-propagation. The new one is more worthwhile because of its implementation easiness and higher speed of computation. The database used on the training and validation of the networks is created from an experimental setting, therefore it is composed by true data. The attributes used as failures’ indicators are selected from certain frequencies of the spectrum, based on some theories of current signature analysis. In the second instance, the technique of principal components analysis is employed. The results obtained for the designed classifiers are shown, and some considerations are made on their use in real time embedded applications, which is the most important projection for future researches. / Este trabalho deriva da aplicação de redes neurais artificiais para a detecção de curto-circuito entre espiras em motor de indução trifásico, acionado por inversor de frequência. As redes neurais artificiais, do tipo Perceptron Simples e Multicamadas, são usadas para detectar falhas de curto-circuito no bobinamento estatórico de motores de indução trifásicos de forma off-line. Para treinamento do Perceptron Multicamadas são usados dois algoritmos distintos: o error back-propagation, que figura como o algoritmo clássico na literatura especializada, e o extreme learning machine, que é uma alternativa, relativamente recente, ao algoritmo clássico. Este algoritmo é uma opção atraente para o desenvolvimento rápido de classificadores. O banco de dados usado para treinamento e validação das redes é obtido a partir de experimentação laboratorial, portanto composto de dados reais. Os atributos utilizados para a detecção da falha são componentes de frequência do espectro harmônico da corrente estatórica do motor. O critério de escolha destas componentes, a priori, é fundamentado em resultados de investigações prévias da assinatura de corrente e, em segunda instância, é aplicada a técnica de análise de componentes principais. São apresentados os resultados obtidospelos classificadores projetados, e feitas algumas considerações quanto à utilização destes em aplicação embarcada e em tempo real, que é a principal projeção de futuros trabalhos a partir do atual.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/10668 |
| Date | 23 May 2014 |
| Creators | Oliveira, Átila Girão de |
| Contributors | Medeiros, Cláudio Marques de Sá, Pontes, Ricardo Silva Thé |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds