Aplicação de transformada wavelet e análise de componentes principais robusta em sinais acústicos para detecção de falhas de curto circuito de estator
| Ano de defesa: | 2020 |
|---|---|
| Autor(a) principal: |
Cinel, Murilo Monteiro
 |
| Orientador(a): |
Scalassara, Paulo Rogério
|
| Banca de defesa: |
Goedtel, Alessandro
,
Angélico, Bruno Augusto
,
Scalassara, Paulo Rogério
,
Endo, Wagner
|
| 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
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/5443 |
Resumo: | Técnicas de processamento de sinais aplicadas no reconhecimento de padrões e diagnóstico de falhas colaboram para evitar a manutenção não planejada e parada no processo produtivo. Os motores de indução trifásicos são amplamente utilizados e expostos a diversas situações operacionais indesejáveis que podem ocasionar falhas. Para evitar paradas não planejadas na indústria, diversas técnicas de previsão e monitoramento de falhas foram criadas. Este trabalho propõe uma metodologia de processamento digital de sinais aplicada em dados de emissão acústica do funcionamento de um motor capaz de classificar falhas de curto-circuito no estator. O método é baseado na aplicação do algoritmo de análise da componente principal robusta em sinais de áudio. Para possibilitar esta ação, o sinal é decomposto pela transformada wavelet a fim de obter características de diferentes faixas de frequência dos sinais e então obtêm-se os atributos que representam o sinal em análise. Para validação do estudo propõe-se a classificação das falhas de estator utilizando a técnica de máquinas de vetores de suporte, com a qual se atingiu mais de 99% de acerto. |