• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tesis Doctoral
DOI
https://doi.org/10.11606/T.18.2021.tde-25062021-101153
Documento
Autor
Nombre completo
Narco Afonso Ravazzoli Maciejewski
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2021
Director
Tribunal
Flauzino, Rogério Andrade (Presidente)
Júnior, Geraldo Carvalho Brito
Kunz, Guilherme de Oliveira
Monaro, Renato Machado
Oliva, Jefferson Tales
Título en portugués
Detecção e diagnóstico de defeitos no regime transitório de motores de indução baseado em sistemas inteligentes
Palabras clave en portugués
Análise de robustez
Análise de séries temporais
Defeitos em motores
Inteligência artificial
Reconhecimento de padrões
Sistema especialista
Resumen en portugués
Os motores de indução trifásicos são os principais elementos de conversão de energia elétrica em mecânica para o setor produtivo, visto que apresentam baixo custo e longa durabilidade. Além disso, a redução de custos de manutenção e a implantação de técnicas preditivas torna-se um incentivo para o desenvolvimento de sistemas capazes de identificar defeitos intrínsecos à máquina. Frente a isso, essa pesquisa visa constituir uma metodologia robusta baseada em sistemas inteligentes para o diagnóstico e a detecção de defeitos de barras quebradas em motores de indução trifásicos ainda no regime transitório de operação. Para isso, inicialmente foi realizada uma busca sistematizada da literatura com o objetivo de alcançar o estado da arte da temática de detecção e de diagnóstico de defeitos em máquinas elétricas rotativas. O sistema inteligente proposto foi validado e testado com dados experimentais obtidos em condições normais e defeituosas do motor. Dessa maneira, foi proposta uma configuração baseada inteligência computacional para a identificação e supervisão de defeitos nesses elementos, e essas arquiteturas foram avaliadas e comparadas por meios de uma medida multicritério, inédita para essa finalidade, para atestar a relevância da metodologia proposta em relação as já existentes. Os resultados mostraram uma metodologia ágil e robusta para a recomendação de sistemas de detecção e de diagnóstico de defeitos em motores de indução com base nas características dos algoritmos de seleção de atributos e de aprendizado de máquinas.
Título en inglés
Defect detection and diagnosis in the transient regime of induction motors based on intelligent systems
Palabras clave en inglés
Artificial intelligence
Engine defects
Expert system
Pattern recognition
Robustness analysis
Time series analysis
Resumen en inglés
Three-phase induction motors are the main elements for converting electrical energy into mechanics for the productive sector since they have low cost and long durability. Also, the reduction of maintenance costs and the implementation of predictive techniques becomes an incentive for developing systems capable of identifying defects intrinsic to the machine. Given this, this research aims to constitute a robust methodology based on intelligent systems for diagnosing and detecting broken bar defects in three-phase induction motors still in the transient regime of operation. To this end, a systematic search of the literature was initially carried out to achieve the state of art of detecting and diagnosing defects in rotating electrical machines. The proposed intelligent system was validated and tested with experimental data obtained under normal and defective engine conditions. In this way, a configuration based on computational intelligence was proposed to identify and supervise defects in these elements. These architectures were evaluated and compared employing a multicriteria measure, unprecedented for this purpose, to attest to the proposed methodology's relevance concerning the already existing ones. The results showed an agile and robust methodology for recommending defect detection and diagnosis systems in induction motors based on the characteristics of the attribute selection and machine learning algorithms.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2021-06-29
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.