Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/35455
Tipo: Tese
Título: Diagnóstico de falhas em rolamentos de motores de indução trifásicos via abordagem densidade de máximos a partir do sinal da corrente do estator
Autor(es): Silva, Julio Cesar da
Primeiro Orientador: Lima Filho, Abel Cavalcante
Resumo: Os motores de indução trifásicos (MITs) são amplamente utilizados na indústria devido à sua confiabilidade, robustez e baixo custo, sendo a principal força motriz no setor industrial. Falhas em rolamentos representam mais de 40% das falhas em motores de indução, resultando em paradas inesperadas, aumento dos custos de produção e possíveis acidentes. Neste contexto, este trabalho propõe um novo método não invasivo para o diagnóstico de falhas em rolamentos de MITs, utilizando a análise da corrente do estator combinada com a técnica SAC-DM (Signal Analysis based on Chaos using Density of Maxima) e uma rede neural artificial do tipo MLP (Multilayer Perceptron). Para comparação, foram implementados dois métodos adicionais que utilizam sinais de vibração mecânica e sonora emitidos pelo MIT, juntamente com a técnica do envelope de Hilbert. Os sinais foram coletados simultaneamente sob seis condições de carga: 0%, 20%, 40%, 60%, 80% e 100% da carga nominal. Foram analisadas condições de rolamento saudável, com falha na pista externa, pista interna e falha mista. Para a falha na pista externa, a análise dos sinais de vibração apresentou um erro relativo percentual máximo de 0,60%, enquanto para o som o erro foi de 0,53%. Para a falha na pista interna, o erro relativo percentual máximo foi de 0,49% para vibração e 0,36% para o som. O novo método proposto, utilizando SAC-DM, detectou falhas nos rolamentos com uma acurácia de classificação de 96,82%, mesmo com o motor operando sob carga variável. Esta nova metodologia pode, portanto, contribuir significativamente para o diagnóstico de falhas em rolamentos de MITs, oferecendo uma alternativa mais eficiente e não invasiva em comparação com os métodos tradicionais.
Abstract: Three-phase induction motors (TIMs) are widely used in the industry due to their reliability, robustness, and low cost, being the main driving force in the industrial sector. Bearing failures account for more than 40% of induction motor failures, resulting in unexpected downtimes, increased production costs, and potential accidents. In this context, this work proposes a new non-invasive method for diagnosing bearing failures in TIMs, using stator current analysis combined with the SAC-DM (Signal Analysis based on Chaos using Density of Maxima) technique and a Multilayer Perceptron (MLP) artificial neural network.For comparison, two additional methods were implemented that use mechanical vibration and sound signals emitted by the TIM, together with the Hilbert envelope technique. The signals were collected simultaneously under six load conditions: 0%, 20%, 40%, 60%, 80%, and 100% of the nominal load. Conditions of healthy bearings, outer race failure, inner race failure, and mixed failure were analyzed. For outer race failure, the vibration signal analysis showed a maximum relative percentage error of 0.60%, while for sound the error was 0.53%. For inner race failure, the maximum relative percentage error was 0.49% for vibration and 0.36% for sound. The proposed new method, using SAC-DM, detected bearing failures with a classification accuracy of 96.82%, even with the motor operating under variable load. This new methodology can, therefore, significantly contribute to the diagnosis of bearing failures in TIMs, offering a more efficient and noninvasive alternative compared to traditional methods.
Palavras-chave: Motor de indução trifásico
Rolamento
Corrente do estator
Teoria do caos
Three-phase induction motor
Bearing
Stator current
Chaos theory
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
Idioma: por
País: Brasil
Editor: Universidade Federal da Paraíba
Sigla da Instituição: UFPB
Departamento: Engenharia Mecânica
Programa: Programa de Pós-Graduação em Engenharia Mecânica
Tipo de Acesso: Acesso aberto
Attribution-NoDerivs 3.0 Brazil
URI: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/35455
Data do documento: 20-Jun-2024
Aparece nas coleções:Centro de Tecnologia (CT) - Programa de Pós-Graduação em Engenharia Mecânica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JulioCesarDaSilva_Tese.pdf13,06 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons