Identificação de falhas em motores de indução trifásicos utilizando algoritmos de otimização e sistemas inteligentes

• Ano de defesa: 2019
• Autor(a) principal: Guedes, Jacqueline Jordan
• Orientador(a): Goedtel, Alessandro
• Banca de defesa: Goedtel, Alessandro , Andreoli, Andre Luiz , Sanches, Danilo Sipoli , Neves, Francisco De Assis dos Santos , Castoldi, Marcelo Favoretto
• Tipo de documento: Tese
• 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 - Uel/Utpfr
• País: Brasil
• Palavras-chave em Português: Motores elétricos de indução; Algoritmos; Percepção de padrões; Localização de falhas (Engenharia); Electric motors, Induction; Algorithms; Pattern perception; Fault location (Engineering)
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5436

Motores de indução trifásicos são essenciais ao processo produtivo, pois suas características de construção permitem ampla aplicação, incluindo a operação em ambientes hostis. Embora robusto, seu uso contínuo gera desgastes que podem levar a falhas. Dessa forma, pesquisas na área de identificação de falhas são realizadas constantemente visando reduzir taxas de manutenções corretivas e paradas indesejadas, permitindo que seja realizada a manutenção da máquina. Com esse propósito, o presente trabalho propõe o estudo e o desenvolvimento de uma estratégia que utiliza algoritmos de otimização combinados a classificadores inteligentes de padrões para identificação de falhas de curto-circuito nas espiras do estator, barras quebradas de rotor e desgastes de rolamentos em motores de indução trifásicos, utilizando sinais de tensão e corrente de fase, aquisitados no domínio do tempo, bem como o módulo da velocidade. Neste trabalho são utilizados os algoritmos de Evolução Diferencial, Particle Swarm Optimization e Simulated Annealing para estimar os parâmetros elétricos do motor de indução no modelo do circuito elétrico equivalente. Assim, a identificação da falha ocorre a partir da variação dos parâmetros do circuito elétrico equivalente. A identificação da presença de falha bem como sua classificação é feita por meio dos classificadores de padrões Redes Neurais Artificiais, Support Vector Machine e k-Nearest Neighbor. A base de dados utilizada para o trabalho foi obtida por meio de experimentos laboratoriais realizados com um motor de 1 CV e um motor de 2 CV, sob condições de variação de conjugado e acionamentos senoidal equilibrado e desequilibrado.