Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/19309
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSouza, Jefferson Silva de-
dc.date.accessioned2021-02-07T23:39:38Z-
dc.date.available2020-08-09-
dc.date.available2021-02-07T23:39:38Z-
dc.date.issued2019-08-09-
dc.identifier.urihttps://repositorio.ufpb.br/jspui/handle/123456789/19309-
dc.description.abstractThis work presents a technique named Signal Analysis based on Chaos using Density of Maxima (SAC-DM) to analyze brushless DC motors using correlation coefficient obtained from density of maxima of the current signal. This technique demonstrates potential to characterize motors with a simple approach. The proposed approach is compared with the traditional FastFourier Transform and classical chaos analysis based on the correlation coefficient obtained from the length at half-height of the correlation function. The experiments demonstrates similar results but simpler and faster than the two compared approachespt_BR
dc.description.provenanceSubmitted by Anna Regina Ribeiro (anna@biblioteca.ufpb.br) on 2021-01-08T13:12:00Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) JeffersonSilvaDeSouza_Dissert.pdf: 5524489 bytes, checksum: fd0db8055f24497f8bdb966c0ee168ea (MD5)en
dc.description.provenanceApproved for entry into archive by Biblioteca Digital de Teses e Dissertações BDTD (bdtd@biblioteca.ufpb.br) on 2021-02-07T23:39:38Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) JeffersonSilvaDeSouza_Dissert.pdf: 5524489 bytes, checksum: fd0db8055f24497f8bdb966c0ee168ea (MD5)en
dc.description.provenanceMade available in DSpace on 2021-02-07T23:39:38Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) JeffersonSilvaDeSouza_Dissert.pdf: 5524489 bytes, checksum: fd0db8055f24497f8bdb966c0ee168ea (MD5) Previous issue date: 2019-08-09en
dc.description.sponsorshipNenhumapt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal da Paraíbapt_BR
dc.rightsAcesso embargadopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/br/*
dc.subjectTeoria do Caospt_BR
dc.subjectAnálise de sinaispt_BR
dc.subjectMotores DC sem escovaspt_BR
dc.subjectBLDCspt_BR
dc.subjectVANTspt_BR
dc.subjectChaospt_BR
dc.subjectSignal analysispt_BR
dc.subjectBrushless DC Motorpt_BR
dc.titleUma abordagem baseada em densidade de máximos para identificação de velocidade e possíveis falhas em motores DC sem escova por meio de sinal de acelerômetropt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Brito, Alisson Vasconcelo-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6321676636193625pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3054878904282653pt_BR
dc.description.resumoEste trabalho apresenta uma técnica denominada Análise de Sinais baseada no Caos, utilizando Densidade de Máxima (SAC-DM) para motores DC sem escovas usando o coeficiente de correlação obtido a partir da densidade máxima do sinal de vibração. Esta técnica demonstra o potencial para caracterizar motores com uma abordagem simples. A abordagem proposta é comparada com a tradicional Transformada Rápida de Fourier e a análise clássica do caos, com base no coeficiente de correlação obtido a partir do comprimento à meia altura da função de correlação. As experiências demonstram resultados semelhantes, mas mais simples e mais rápidos do que as duas abordagens comparadaspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInformáticapt_BR
dc.publisher.programPrograma de Pós-Graduação em Informáticapt_BR
dc.publisher.initialsUFPBpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:Centro de Informática (CI) - Programa de Pós-Graduação em Informática

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JeffersonSilvaDeSouza_Dissert.pdf5,4 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons