Instrumento de Análise e Diagnóstico em Máquinas Rotativas de Indução
Baseado em FPGA
Cesar da Costa, Mauro Hugo Mathias
Faculdade de Engenharia - Departamento de
Mecânica
UNESP-Universidade Estadual Paulista Julio
de Mesquita Filho
Guaratingueta, São Paulo, Brasil
e-mail: cost036@attglobal.net,
mathias@feg.unesp.br
RESUMO
Atualmente o monitoramento das condições de operação
de máquinas rotativas de indução é utilizado para aumentar a
disponibilidade e o desempenho desse tipo de máquina,
reduzindo os conseqüentes danos, aumentando a vida útil da
máquina, reduzindo os estoques de peças sobressalentes e
reduzindo a sua manutenção. Neste trabalho, uma nova
metodologia para desenvolvimento de projeto de um
instrumento de análise e diagnóstico, em tempo real, para
máquinas rotativas baseado em arquitetura reconfigurável,
mapeada de um modelo criado no software MATLAB/Simulink
é apresentada. Neste estudo, as aplicações de processamento
de sinal, como filtros FIR e transformada rápida de Fourier
são tratadas como sistemas independentes, que são
implementados em hardware embutido (FPGA) usando uma
ferramenta de software, denominada DSP Builder, que traduz
automaticamente um modelo desenvolvido em
MATLAB/Simulink em uma linguagem de descrição de
hardware – VHDL, para configuração direta em FPGA.
I. INTRODUÇÃO
A análise de vibração em máquinas rotativas de indução é uma
das ferramentas mais importantes para a identificação de
falhas do equipamento. Na verdade, os grandes sistemas
electro mecânicos muitas vezes são equipados com sensores
baseados em quantidades mecânicas. Em muitas situações, os
métodos de monitoramento de vibrações são usados para
detectar a presença de falhas incipientes. No entanto, tem sido
sugerido que o monitoramento da corrente do estator pode
fornecer as mesmas indicações, sem exigir acesso ao motor
[1]. Para efeitos de detecção de sinais relacionados com falhas,
muitos métodos de diagnóstico têm sido desenvolvidos até o
presente momento. Esses métodos para identificar falhas em
Pedro Ramos, Pedro Silva Girão
Departamento de Engenharia Electronica e
Computadores
Instituto de Telecomunicações, Instituto Superior
Tecnico, Universidade Técnica de Lisboa
Lisboa, Portugal
e-mail: pedro.ramos@lx.it.pt, psgirao@ist.utl.pt
máquinas rotativas podem envolver diversos tipos de campos
da ciência e tecnologia [2,3 e 4].
II. FALHAS EM MÁQUINAS ROTATIVAS
A máquina rotativa é considerada uma máquina robusta e
tolerante a falhas. O motor de indução AC é uma máquina
rotativa elétrica destinada a operar a partir de uma fonte
trifásica de tensão alternada. É importante que as medições de
vibração e corrente sejam tomadas para diagnosticar o estado
da máquina, antes dela entrar em um modo de falha. Além
disso, é necessário fazê-lo em tempo real, monitorando
continuamente as variáveis da máquina. Os motores de
indução à semelhança de outras máquinas eléctricas rotativas
são submetidos a duas forças: electromagnética e mecânica. A
concepção de um motor é tal que a interação entre essas forças
sob condição normal leva a um funcionamento estável, com o
mínimo de ruído e vibração. Quando uma falha ocorre, o
equilíbrio entre essas forças se perde, reforçando ainda mais a
falha. As falhas de motores de indução podem ser classificadas
em dois tipos: mecânica e eléctrica [5].
III. IDENTIFICAÇÃO DE FALHAS MECÂNICAS
A medição de vibração em tempo real, processamento e
análise do sinal são ferramentas importantes para a
identificação de falhas mecânicas. Existem dois tipos de
análise: no domínio do tempo e domínio da freqüência. A
análise no domínio da freqüência é mais atraente porque pode
dar informações mais detalhadas sôbre o diagnóstico (estado)
da máquina. A análise no domínio do tempo pode fornecer
informações qualitativas sôbre a condição da máquina.
Geralmente a vibração da máquina é um sinal estacionário
composto de vibrações e ruídos. Tradicionalmente, a FFT
(Fast Fourier Transform) é utilizada para fazer a análise no
 domínio da frequência. Se o nível de vibração e ruído é
elevado, informações imprecisas sobre a condição da máquina
é obtida. O ruído e a vibração podem ser separados a partir do
sinal de vibração usando filtros FIR [6].
IV. MODELAGEM DE UM INSTRUMENTO DE ANALISE E
DIAGNÓSTICO EM MÁQUINAS ROTATIVAS
Neste estudo de caso, um instrumento digital de medição e
análise de vibrações para identificação de falhas e diagnóstico
em máquinas rotativas está sendo desenvolvido. No primeiro
estágio do desenvolvimento, um conjunto de algoritmos de
medição e análise foi desenvolvido em MATLAB/Simulink.
No segundo estágio, os algoritmos de medição e análise são
modelados, simulados e convertidos para código VHDL
automaticamente, utilizando uma ferramenta de software
denominada DSP Builder, da empresa Altera, sem a
tradicional interrupção do fluxo de projeto, para codificação
manual em uma linguagem de descrição de hardware – VHDL
e posterior configuração da FPGA.
O software Simulink é um sistema dinâmico e de
simulação interativa, que oferece um ambiente científico e de
engenharia para a modelagem de sistemas, análise e
simulação. Este ambiente é útil para uma rápida
implementação de uma aplicação de processamento digital, em
termos de blocos funcionais, e proporciona uma simulação de
alto nível. Um bloco funcional é uma estrutura básica que
pode representar uma função, ou um algoritmo especializado,
que define portas de entrada e saída e parâmetros
personalizados.
Neste trabalho, a implementação do instrumento de análise
e medição de vibrações com diagramas de blocos funcionais,
permitiu a modelagem dos algoritmos de medição e análise, o
estudo do fluxo de dados e os testes de desempenho do
sistema. O Simulink utiliza um conjunto de bibliotecas para
representar o comportamento dinâmico do instrumento [8].
A. Blocos Funcionais
A modelagem dos blocos funcionais do instrumento é
apresentada a seguir:
1) Modelo de aquisição de dados e filtros: o sinal
proveniente do sensor de vibração e/ou corrente chega a placa
de aquisição de dados, que é um cartão de 16-bit com uma
taxa máxima de amostragem de 1,25 MS/s. O modelo criado
no Simulink consiste em um bloco de entrada analógica para
acquisição do sinal do sensor, um bloco de escalonamento
linear do sinal, um bloco de filtro passa-baixa Butterworth de
sexta ordem, com uma frequência de corte de 12 kHz, e um
bloco de banco de quatro filtros passa-alta. Os filtros são
utilizados para duas finalidades: (i) para atenuar o ruído e
componentes de freqüência indesejados e (ii) para separar
algumas freqüências individuais ou banda de frequências para
análise de sua relação com as falhas da máquina [5]. A saída é
um gráfico no domínio do tempo, da amplitude do sinal de
vibração da máquina em função do tempo. Um bloco
funcional que representa o modelo da aquisição de dados e os
filtros é mostrado na Figura 1.
Figura 1. Modelo da aquisição de dados e os filtros de entrada do instrumento.
2) Modelo de análise no domínio do tempo: a abordagem
mais simples no domínio do tempo é a medida do nível RMS
(Root-Mean-Square), valor de pico, fator de crista (relação
entre valor de pico e o valor RMS) do sinal de vibração.
Alguns parâmetros estatísticos, tais como densidade de
probabilidade e curtose foi proposto para detecção de falhas
mecânicas de rolamento. A densidade de probabilidade da
vibração de um rolamento em bom estado tem uma
distribuição de Gauss, ao passo que um rolamento danificado
tem como resultado uma distribuição não Gausiana com
caudas dominantes por causa de um aumento relativo do
número de níveis elevados (picos) de vibração. Em vez de
estudar as curvas de densidade de probabilidade, muitas vezes
é mais informativo examinar os momentos estatísticos dos
dados. O primeiro e segundo momentos são bem conhecidos,
sendo o valor médio e a variância, respectivamente. O terceiro
momento normalizado com relação ao cubo do desvio padrão
é conhecido como o coeficiente de assimetria. O quarto
momento, normalizado em relação à quarta potência do desvio
padrão é chamado curtose e é bastante útil. O modelo consiste
de um bloco de cálculos e processamento de variáveis, e um
bloco de chaves de seleção da variável desejada. A análise de
sinais no domínio do tempo é utilizada para extrair algumas
características úteis do sinal, ou seja, o valor médio, média
quadrática, valor RMS, fator de crista e curtose. A saída
mostra o valor global numérico, no domínio do tempo, da
variável selecionada pelo bloco de chaves. Um bloco
funcional que representa o modelo de análise no domínio do
tempo é mostrado na Figura 2.
Figura 2. Modelo de análise no domínio do tempo do instrumento.
3) Modelo de medida de severidade de vibração: algumas
falhas podem ser detectadas na análise do domínio do tempo e
exibidas num alarme, devido à intensidade do nível de
vibração global RMS especificado pela norma ISO 10816-1
(ex-ISO 2372). Um procedimento comum de controlo de
falhas em máquinas rotativas é a medida do valor RMS da
velocidade de vibração, chamada severidade da vibração, que
é uma medida da energia das vibrações totais emitidas. O
modelo consiste de um bloco de detecção da severidade de
vibração e quatro saídas de indicação do estado da máquina:
boa, satisfatória, insatisfatória e inaceitável. Para detecção da
severidade é utilizada os valores de intensidade de vibração
especificado pela Norma ISO 10816-1, classe I, máquinas de
pequeno porte.
4) Modelo de detecção de alarmes críticos: valores altos de
curtose revelam grandes picos do sinal de vibração. Falhas
diferentes em rolamentos produzem altos picos de vibrações,
que têm componentes de alta freqüência. O valor RMS,
juntamente com o fator de curtose, valor de pico e fator de Figura 3. Modelo de análise no domínio da freqüência do instrumento
crista do sinal de vibração são bons indicadores para distinguir
entre um rolamento saudável e um com falha, mas nenhum Os resultados preliminares experimentais foram obtidos a
deles permite fazer um diagnóstico do tipo de falha. Para um partir de um motor de indução trifásico, tipo “slip-ring”,
rolamento danificado com a distribuição de Gauss, o valor de sensor de vibração, sensor de corrente, placa de aquisição de
curtose é próximo de 3. Um valor maior que 3 é crítico e dados e um Kit de desenvolvimento da Altera, baseado na
considerado por si só uma indicação de falha iminente, sem FPGA da família Cyclone II.
histórico prévio. Da mesma forma, valor de pico em séries A carga do motor é fornecida por meio de um gerador de
temporais irá resultar em um aumento no valor do factor de frenagem DC. As correntes do estator e as vibrações são
crista. Para operações normais, o valor de pico pode atingir adquiridas através de sensores específicos e uma placa de
entre 3,8 e 15 mm/s e factor de crista entre 2 e 6. Um valor aquisição de dados. O sinal adquirido é processado no Kit de
elevado de pico, acima de 15 mm/s e um factor de crista acima desenvolvimento, que contém a aplicação do instrumento de
de 6 são críticos e associados a problemas de máquinas [5]. O análise de diagnóstico embutida na FPGA. A Fig. 4 apresenta
modelo consiste de um bloco de detecção de alarmes críticos e o motor de indução AC, na plataforma de testes montada no
de saídas para exibição de três status de alarmes. As saídas de laboratório do Instituto de Telecomunicações do IST.
alarmes são exibidas quando o valor de pico é maior do que 15
mm/s, o factor de pico é maior do que 6, e a curtose é maior do
que 3.
5) Modelo de análise no domínio da frequência: domínio
da freqüência ou análise espectral do sinal de vibração é talvez
a abordagem mais amplamente utilizado para identificação de
falhas de máquinas rotativas. O advento da moderna análise
por meio da transformada rápida de Fourier (FFT) tem feito o
trabalho de obtenção de espectros de banda de frequências,
mais fácil e eficiente [5]. Ambas as faixas alta e baixa do
espectro de frequência de vibração são de interesse para
diagnosticar a condição da máquina. A faixa de medição da
freqüência é usada para obter uma visão preliminar sobre o
estado da máquina. Faixas de freqüência no espectro de
vibração são selecionadas de acordo com a origem da falha. O
valor RMS dessas bandas é usado para especificar o grau e a Figura 4. Motor trifásico de indução slip-ring no laboratório do IST.
origem das falhas, por comparação com as bandas
correspondentes no espectro de referência de uma máquina
A. Sensor de Vibração
sem falhas. A partir da literatura e observações experimentais,
quatro bandas de frequências são selecionadas para cobrir os O sensor de vibração é um acelerômetro, tipo MEMS, com
harmônicos de vibração de origem mecânica e eletromagnética dois eixos X e Y, faixa de +/- 2 g, sensibilidade de 420 mV/g,
[5]. A Figura 3 apresenta o modelo, que consiste de um bloco e largura de banda de 0,5 a 5,5 kHz para todos os eixos,
de filtros passa banda, um bloco de chaves de comutação e um fabricado pela Analog Devices (ADXL322JCP). Este
bloco de cálculo da FFT. A saída produz um gráfico de dispositivo utiliza uma técnica de medição capacitiva. A
amplitude versus freqüência da banda de freqüência do sinal estrutura mecânica do transdutor é apoiada por um circuito
de vibração selecionado, pelo bloco de chaves de comutação. electrónico, que converte a alteração da capacitância devido à
vibração, em uma tensão.
V. RESULTADOS EXPERIMENTAIS B. Sensor de Corrente
O sensor de corrente é baseado em um transdutor de
Esta seção apresenta as fases iniciais do desenvolvimento corrente (LEM LA 25 - NP), largura de banda 0 a 100 kHz,
do instrumento de medição e análise de vibrações, que tem com 0,2% de precisão, linearidade < 0,1%.
sido focado no desenvolvimento e testes de algoritmos e
métodos para a detecção, em tempo real, de falhas em motor
de indução AC.
C. Placa de Acquisição de Dados
A placa de aquisição de dados utilizada é a DAQ, NI USB-
6251, com 16-bits, 1,25 MS/s da National Instruments.
D. Kit de Desenvolvimento
O Kit de desenvolvimento utilizado é o Cyclone II FPGA
Starter Development Board, baseado na FPGA Cyclone II
EP2C20F484C7N, com 8 Mbyte de SDRAM, 512 Kbyte de
SRAM e 4 Mbyte de Flash, equipado com a placa Highspeed
A/D e D/A Daughter Board (ADA-GPIO) da empresa Terasic,
para conversão do sinal analógico em digital, com dois canais
A/D de 14 bits de resolução e taxa de 65Ms/s de amostragem.
Numerosos testes com o motor de indução estão sendo
realizados no laboratório em diferentes níveis de carga.
Simulação de falhas do motor e comportamental do
instrumento proposto foram realizados, usando os softwares
MATLAB/Simulink, DSP Builder para gerar automaticamente
o código VHDL e Quartus II para testar e configurar a FPGA
no Kit de desenvolvimento. A frequência de amostragem nos
experimentos apresentados neste trabalho são de 2 KS/s para a
análise de corrente e 25 KS/s para análise de vibração. A Fig.
5 mostra um espectro típico do motor com simulação de falhas
de barras quebradas. Pode ser visto que os componentes de
freqüência desejados podem ser distinguidos facilmente. Para
cada tipo de espectro, há diferentes algoritmos para a extração
das características importantes para o diagnóstico.
Figura 5.Espectro de vibração do motor de indução com falha de barras
quebradas.
Os resultados obtidos experimentalmente com o
instrumento são comparados com o modelo de simulação
Simulink. Depois que o modelo gráfico é verificado e testado
sem erro, o software DSP Builder é utilizado para transformar
o modelo gráfico automaticamente em linguagem VHDL e o
software Quartus II, simula, testa e configura a FPGA no Kit
de desenvolvimento. O software DSP Builder é uma
ferramenta para o desenvolvimento de processamento digital
de sinais, criado pela empresa Altera, que gera
automaticamente o código em linguagem de descrição de
hardware (VHDL), a partir de um modelo gráfico
desenvolvido em Simulink, faz a simulação em nível de
algoritmo, e configura o projeto de hardware na FPGA [8].
VI. CONCLUSÃO
Uma nova abordagem para a modelagem, simulação e
projeto de um instrumento embutido de análise e diagnóstico
de falhas, em tempo real, baseado em lógica reconfigurável
(FPGA) foi apresentado. A lógica reconfigurável possibilita
um melhor desempenho que os processadores DSPs
tradicionais. Entretanto, programar manualmente em VHDL
algoritmos de processamento digital de sinais em uma FPGA
pode ser uma tarefa longa e difícil. Até recentemente, os
algoritmos necessários para ser transportado para VHDL e
então fazer a simulação funcional RTL, utilizavam vetores de
alto nível de testes de simulação. Ferramentas de projeto
modernas como o software DSP Builder proporcionam um
maior nível de abstração de projeto e de produtividade, e
proporcionam o desempenho otimizado da programação
tradicional VHDL. Esta abordagem utiliza uma descrição de
alto nível do comportamento do algoritmo funcional. O
projeto pode ser simulado e implementado em hardware na
FPGA. Não é necessário usar VHDL para a programação. É
apenas necessário construir um modelo do sistema desejado
em Matlab/Simulink, e então o projeto pode ser concluído
depois que os parâmetros de cada modelo são definidos.
REFERENCIAS
[1] M. E. H. Benbouzid, “A review of induction motors signature analysis
as a medium for faults detection ”, IEEE Transactions on Industrial
Electronics, Vol. 47, no. 5, pp. 984-993, Oct. 2000.
[2] A. Sadoughi, M. Ebrahimi, M. Moalem and S. Sadri,” Intelligent
diagnosis of broken bars in induction motors based on new features in
vibration spectrum”. Diagnostic for Electric Machines, Power
Electronics and Drives, IEEE International Symposium, pp. 106-111,
Sept. 2007.
[3] S. Nandi, H. A. Toliyat and X. Li, “Condition monitoring and fault
diagnosis of electrical motors – a review”, IEEE Transactions on Energy
Conversion, vol. 20, no. 4, pp. 719-729, Dec. 2005.
[4] J. J. Rangel- Magdaleno, R. J. Romero- Troncoso, L. M. Contreras-
Medina And A. Garcia-Perez. “FPGA implementation of a novel
Algorithm for on-line bar breakage detection on induction motors”.
IEEE International and Measurement Technology Conference, IIMTC
2008, pp. 720-725, Canada, 2008.
[5] S. A. S. Al Kazzas and G.K. Singh, K, “Experimental investigations on
induction machine condition monitoring and fault diagnosis using digital
signal processing techniques”. Electric Power Systems Research, no. 65,
pp. 197-221. New York: Elsevier, 2003.
[6] A. Lebaroud and G. Clerc, “Diagnosis of induction motor faults using
instantaneous frequency signature analysis”. IEEE Proceedings of the
 2008 International Conference on Electrical Machines, ICEM 2008,
pp. 1-5, Sept. 2008.
[7] I. Grout, J. Ryan and T. O´Shea, “Configuration and debug of field
programmable gate arrays using Matlab/Simulink”, Journal of Physics:
Conference Series 15, pp. 244-249, 2000.
[8] G. Xiong, X. Zhou and P. Ji. “Implementation of the Quadrature
Waveform Generator Based on DSP Builder”. IEEE Computer Society,
International Symposium on Intelligent Information Technology
Application Workshops, IITAW´08, pp. 773-776, China, Dec. 2008.