Detecção de falhas de estator em motores de indução trifásicos utilizando transformada wavelet, medida RMS e potência de previsão

• Ano de defesa: 2015
• Autor(a) principal: Vitor, Avyner Lorran de Oliveira
• Orientador(a): Scalassara, Paulo Rogério
• Banca de defesa: Scalassara, Paulo Rogério, Abrão, Taufik, Goedtel, Alessandro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Motores elétricos de indução; Entropia; Redes neurais (Computação); Electric motors, Induction; Entropy; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/3194

O Motor de Indução Trifásico é a máquina elétrica mais utilizada no ambiente industrial. Trata-se de um equipamento que apresenta construção robusta, facilidade de manutenção, baixo custo de aquisição e confiabilidade. Contudo, em ambiente fabril, o mesmo está exposto a esforços térmicos, elétricos e mecânicos indesejáveis, os quais, com o passar do tempo, resultam em uma falha. A presente pesquisa consiste em analisar a falha de curto-circuito de estator, uma das falhas mais recorrentes em motores de indução. Para tanto, são investigadas as peculiaridades refletidas nos sinais de corrente estatórica, a fim de correlacionar as características do sinal à falha em questão. Para tanto, os sinais de corrente são processados por meio das transformadas de Fouriere Wavelet, buscando-se isolar frequências características de uma falha de curto-circuito, as quais possam auxiliar na detecção de uma falha. Posteriormente, a classificação a partir das informações ex traídas é efetuado por meio de Redes Neurais Artificiais, especificamente, a perceptron multicamadas e a Radial Basis Function.