Aplicação de transformada wavelet e análise de componentes principais robusta em sinais acústicos para detecção de falhas de curto circuito de estator

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Cinel, Murilo Monteiro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5443
Resumo: Signal processing techniques applied to pattern recognition and fault diagnosis collaborate to avoid unplanned maintenance in the production process. Three-phase induction motors are widely used and exposed to various undesirable operational situations that can cause failures. In order to avoid unplanned downtime, several failure detection and monitoring techniques were created. This work proposes a methodology for digital signal processing applied to acoustic emission signals from the operation of a motor capable of classifying stator short-circuit failures. The method is based on the application of the robust principal component analysis algorithm in audio signals. The signal is decomposed by the wavelet transform in order to obtain characteristics of different frequency ranges. Then calculates the attributes that represent the signal under analysis. For validation of the study, the classification of stator failures is proposed using a support vector machine that reached more than 99 % of correct calassifications.