Caracteriza??o de defeitos no rolamento em um motor de indu??o trif?sico utilizando a emiss?o ac?stica

• Ano de defesa: 2020
• Autor(a) principal: Bruno, Gustavo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Emiss?o Ac?stica; Motor de Indu??o Trif?sico; An?lise de defeito; Rolamentos; Rede Neural Convolucional
• Link de acesso: http://repositorio.ifpb.edu.br/jspui/handle/177683/1122

Os motores de indu??o trif?sicos (MIT) s?o respons?veis por 90% da fonte prim?ria de energia mec?nica que ? utilizada nas ind?strias. Para garantir o desempenho desejado destes equipamentos, sem que haja interrup??es na linha de produ??o, faz-se necess?ria a elabora??o e a implementa??o de um plano de manuten??o. Dentre as t?cnicas de manuten??o aplic?veis nessas situa??es, destaca-se a manuten??o preditiva. Neste trabalho foi estudado uma ferramenta de monitoramento preditivo dos rolamentos de um MIT por meio da t?cnica de Emiss?o Ac?stica (EA) em conjunto com o processamento digital de imagens. A classifica??o dos rolamentos foi realizada em duas etapas, que consistem em identificar a presen?a do defeito e o tipo do defeito, respectivamente. Todo o procedimento para diagnosticar o rolamento foi realizado a partir do processamento digital do espectrograma do sinal ac?stico gerado pelo motor. Para viabilizar a aquisi??o dos dados em campo, foi desenvolvido um prot?tipo port?til que realiza a aquisi??o do sinal ac?stico e encaminha o mesmo para um servidor online, onde fica salvo o sinal original, ao mesmo tempo que envia este mesmo ?udio para uma workstation local, onde ocorre todo o processamento. A execu??o do processamento do ?udio ? realizada de forma sequencial e autom?tica. Com isto, para diagnosticar o rolamento, o usu?rio tem a fun??o ?nica de iniciar o sistema e aguardar o resultado. Para identificar o tipo do defeito, dentre os estudados, foi utilizada uma Rede Neural Convolucional (RNC), que ao final do treinamento, obteve uma acur?cia de 93,02%.