• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.18.2021.tde-25062021-101153
Documento
Autor
Nome completo
Narco Afonso Ravazzoli Maciejewski
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2021
Orientador
Banca examinadora
Flauzino, Rogério Andrade (Presidente)
Júnior, Geraldo Carvalho Brito
Kunz, Guilherme de Oliveira
Monaro, Renato Machado
Oliva, Jefferson Tales
Título em português
Detecção e diagnóstico de defeitos no regime transitório de motores de indução baseado em sistemas inteligentes
Palavras-chave em português
Análise de robustez
Análise de séries temporais
Defeitos em motores
Inteligência artificial
Reconhecimento de padrões
Sistema especialista
Resumo em português
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 em inglês
Defect detection and diagnosis in the transient regime of induction motors based on intelligent systems
Palavras-chave em inglês
Artificial intelligence
Engine defects
Expert system
Pattern recognition
Robustness analysis
Time series analysis
Resumo em inglês
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.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2021-06-29
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2022. Todos os direitos reservados.