Você está na página 1de 15

SOBRE A APLICAO DE SISTEMAS

INTELIGENTES PARA DIAGNSTICO DE


FALHAS EM MQUINAS DE INDUO UMA
VISO GERAL
Fernanda Maria da Cunha Santos & Ivan Nunes da Silva & Marcelo Suetake

ABSTRACT PALAVRAS-CHAVE: Mquinas eltricas, motores de


induo, redes neurais articiais, sistemas fuzzy,
On the Application of Intelligent Systems for Fault identicao e diagnstico de falhas, sistemas inteligentes.
Diagnosis in Induction Motors Many researches have been
developed in order to design intelligent systems for 1 INTRODUO
diagnosing faults in electrical machines. These faults
involve since electrical problems, such as short circuit in Sistemas para diagnosticar falhas em motores eltricos,
one phase of the stator, until mechanical problems, such as principalmente em motores de induo trifsicos (MIT), esto
bearing damage. Among the intelligent systems applied in sendo pesquisados e desenvolvidos por prossionais da rea
these situations, we highlight the articial neural networks, acadmica e da indstria. Os objetivos destes estudos so
the fuzzy inference systems, the genetic algorithms and the interpretar precocemente a falha incipiente e denir um
hybrid systems, such as those neuro-fuzzy approaches. correto diagnstico para que no ocorra uma manuteno no-
This paper describes an overview of the most relevant programada e uma parada no processo produtivo. Prevenindo
works in this area, which have obtained promising results
a ocorrncia de falhas, pode-se tambm evitar consequncias
from the use of intelligent systems in the processes
como aquecimento excessivo, desbalanceamento da corrente e
involved to the fault diagnosis in electrical motors. Its
main contribution is in providing several technical aspects da tenso, decaimento do torque mdio, reduo da ecincia
in order to address future works in this application eld. e grandes perdas nanceiras (Nandi et al., 2005). Em outras
palavras, os aumentos da disponibilidade e da conabilidade
KEYWORDS: Electrical machines, induction motors, das mquinas se tornam as principais razes pela crescente
articial neural network, fuzzy systems, fault diagnosis, demanda por sistemas de manuteno preditivos e de
intelligent systems. diagnstico de faltas automatizados.

De acordo com Bonnett and Yung (2008), as porcentagens de


falhas em MIT podem ser distribudas em: rolamentos (69%),
RESUMO:
enrolamento do estator (21%), barra do rotor (7%) e o eixo
Muitas pesquisas esto sendo desenvolvidas buscando nos (3%). A maneira para detectar estes problemas mecnicos e
sistemas inteligentes solues para diagnosticar falhas em eltricos pode ser feita direta ou indiretamente por meio da
mquinas eltricas. Estas falhas envolvem desde leitura de uma das fases na corrente eltrica de alimentao ou
problemas eltricos, como curto-circuito numa das fases do pela tenso eltrica, medidas de temperatura, monitoramento
estator, at problemas mecnicos, como danos nos do campo eletromagntico ou por outros parmetros (Ghate
rolamentos. Dentre os sistemas inteligentes aplicados nesta and Dudul, 2010).
rea, destacam-se as redes neurais articiais, os sistemas
Trs mtodos so utilizados, principalmente, na deteco e
fuzzy, os algoritmos genticos e os sistemas hbridos, como
diagnstico de falhas em MITs: tcnicas baseadas em
o neuro-fuzzy. Assim, o objetivo deste artigo traar um
modelos, sistemas especialistas e algoritmos de sistemas
panorama geral sobre os trabalhos mais relevantes que se
inteligentes que simulam modelos biolgicos. Tcnicas
beneciaram dos sistemas inteligentes nas diferentes
baseadas em modelos so muito proeminentes na obteno de
etapas de anlise e diagnstico de falhas em motores
um modelo exato do processo. Em motores de induo, um
eltricos, cuja principal contribuio est em
modelo exato de todo o sistema de difcil obteno, alm da
disponibilizar diversos aspectos tcnicos a m de
impreciso, devido especicao de valores de componentes,
direcionar futuros trabalhos nesta rea de aplicao.
limitaes do motor e ocorrncia de eventos no-programados
(Zidani et al., 2008). Alm disso, a execuo dos mtodos
convencionais, baseados em modelos, consome muito tempo
nas tarefas computacionais por causa de suas relacionada a parmetros como massa, amortecimento e
complexidades e pelas grandes quantidades de parmetros rigidez. Elementos rolantes e rolamentos dos motores
de desempenho (Filippetti et al., 2000). podem gerar fadiga entre os materiais que os envolvem
devido carga submetida sobre eles. Logo, um pequeno
Os sistemas especialistas, geralmente dedicados a sistemas desgaste na trajetria ou nos rolamentos gerar vibraes
com uma grande quantidade de dados sobre um intensas devido aos impactos repetitivos do movimento dos
determinado processo, e implementados por linguagens de componentes defeituosos, quando estes estiverem numa
programao especcas, necessitam da existncia de um rpida acelerao. Assim, os sinais de vibrao gerados
perito para a construo de regras e da rvore de raciocnio pelos elementos rolantes e rolamentos podero determinar
(Zidani et al., 2008). A introduo de algoritmos de sistemas falhas como descamao, estilhaamento ou quebra dos
inteligentes um passo em direo a uma maior rolamentos.
exibilidade, pois no so to dependentes da
disponibilizao de um modelo, tendo-se tambm a Os sinais de vibrao tambm so usados para detectar a
capacidade de aprendizado a partir da extrao de presena de falhas mecnicas nos rolamentos e na barra do
conhecimento sobre situaes que envolvem o processo. rotor (Baccarini et al., 2011), mas os sensores (emisso
acstica) exigidos podem ser caros e de difcil instalao,
Recentemente, os sistemas de diagnstico de falhas optam Alm de serem inuenciados por rudos inerentes ao
por mtodos no-invasivos durante a aquisio dos dados e prprio funcionamento normal da mquina (Bellini et al.,
tcnicas diferentes esto sendo desenvolvidas nas etapas 2008b; Frosini and Bassi, 2010). Os sinais eltricos so
subsequentes. Dentre estas, destacam-se os sistemas preferidos em muitas situaes em virtude de ser facilmente
inteligentes baseados em Redes Neurais Articiais (RNAs), acessado, convel e, principalmente, por traduzir
Lgica Fuzzy (LF) (Zadeh, 1965), Algoritmos Genticos diferentes tipos de falhas (Immovilli et al., 2010).
(AGs) (Goldberg, 1989) e sistemas hbridos. Uma das
principais vantagens no uso de sistemas inteligentes sua A assinatura da corrente do estator relata problemas como
implementao com baixa complexidade computacional, quebras na barra do rotor, excentricidade no entreferro,
pois capaz de determinar o tipo de uma falha num MIT danos nos rolamentos, anomalias na carga e falhas nos
sem necessitar de modelos matemticos complexos. enrolamentos do estator (Bellini et al., 2008a; Frosini and
Bassi, 2010). Em outras palavras, os componentes da
Assim, neste artigo apresentada uma viso geral sobre a corrente podem representar mais de uma falha, Alm de
atuao dos diferentes tipos de sistemas inteligentes em algumas caractersticas estar escondidas em rudos devido
quase todas as etapas do processo de diagnstico de falhas s baixas frequncias. Logo, torna-se necessria a aplicao
nos motores de induo, tendo-se tambm o intuito de se de tcnicas de processamento de sinais para extrao dessas
identicar ainda os principais problemas em aberto, assim caractersticas.
como apontar algumas tendncias para pesquisas futuras.
Mais especicamente, ser descrito aqui quais tipos de A corrente do estator, combinada com outros parmetros do
sinais que so lidos das mquinas, as tcnicas motor, so lidos para garantir maior conabilidade na
implementadas na extrao das caractersticas presentes nos deteco de algumas falhas. Por exemplo, a corrente e a
sinais, a seleo dos dados e a classicao da falha. Assim velocidade do rotor so sugeridos para analisar as condies
sendo, uma vasta bibliograa dos trabalhos mais relevantes dos rolamentos e da isolao de enrolamentos dos motores
so apresentados neste artigo, detalhando-se as (Gode, 1995b). Entretanto, variaes de torque de carga
metodologias dos que utilizaram sistemas inteligentes, aplicado ao eixo do motor mais a velocidade, tambm
assim como daqueles que aplicaram tcnicas convencionais. representam parmetros usados para avaliar as condies de
funcionamento do motor de induo trifsico, mediante o
ajuste da amplitude e da frequncia da tenso de
2 TIPOS DE SINAIS EM MIT alimentao do motor (Suetake et al., 2010).

As principais falhas em motores eltricos so originadas por O sinal de tenso do estator tambm usado para detectar
fatores eltricos ou mecnicos, de acordo com as descries problemas no rotor, principalmente quebras nas barras do
formuladas em Bellini et al. (2008a) e Tallam et al. (2007). rotor. O sinal padro do suprimento de tenso analisado e
Estas falhas podem ser monitoradas por mtodos no- seu ciclo mdio determinado a m de ser usado como
invasivos que fazem leitura de valores quantitativos de comparao com outros sinais, pois oscilaes especcas
variveis, como a vibrao, a corrente, a tenso, o torque e a no ciclo mdio aumentam quando h falhas nas barras do
velocidade (Bellini et al., 2008a). A vibrao est rotor (Nemec et al., 2010). Ademais, os sinais de corrente e
de tenso do estator so analisados juntamente para detectar
falhas nas barras do rotor (Karami et al., 2010b).

Aps a captao dos sinais, tcnicas de processamento de


sinais so executadas a m de melhorar a relao sinal/rudo
e normalizar os dados para isolar a falha de outros
fenmenos. Tcnicas no domnio tempo-frequncia esto
sendo amplamente usadas nas investigaes, como a Short-
Time Fourier Transform (STFT), a distribuio Wigner
Ville (WVD), a transformada de Hilbert, a anlise de
envoltria e a transformada wavelet. Por conseguinte, o uso
de sistemas inteligentes baseados em objetos e regras se faz
necessrio para atuar como o administrador no processo de Todavia, diversos trabalhos relatam o aumento da presena
diagnstico, pois, a partir dos dados extrados, aplicar-se-o de inversores nos sistemas de deteco e diagnstico de
suas estratgias determinsticas e heursticas a m de falhas de motores, sendo estes responsveis pelo
abstrair cada falha dos MIT. fornecimento de variveis eltricas para o sistema, Alm de
atuarem como mais um componente gerador de falhas. Na
literatura, destacam-se o uso de inversores closed-lop ou
3 MODOS DE ACIONAMENTOS DE MIT open-lop, aliados aos modelos matemticos e s tcnicas de
processamento de sinais, a m de identicar falhas no rotor,
Os MIT podem ser acionados diretamente pela rede eltrica, principalmente as quebras nas barras do rotor (Ayhan et al.,
cujos sinais so caracterizados como senoidais, ou por 2008; Nemec et al., 2010; Kim et al., 2011; Wolbank et al.,
inversores de frequncia, cujos sinais so nosenoidais. Os 2011) e as falhas no enrolamento do estator (Briz et al.,
inversores de frequncia PWM, composto pelo modo de 2008; Cheng et al., 2011). No artigo Lee et al. (2011) os
controle open-lop ou closed-lop, so responsveis em autores no relatam falhas especcas do motor, porm
controlar a frequncia da velocidade do rotor. destacam uma metodologia que analisam variveis de todo
o sistema e que podem levar s principais falhas.
Os inversores open-lop aparecem como uma fonte
controladora de tenso AC para o motor. J o inversor Como os mtodos tradicionais podem esconder problemas
closed-lop, em princpio, tem um regulador de corrente de dos MIT acionados por inversores, refora-se aqui a busca
alta largura de banda, o que faz ele aparecer para o motor por novos mtodos para analisar o estado tcnico dos
como uma fonte controladora de corrente AC. No entanto, dispositivos eltricos. Dentre estes mtodos destacam os
vrios dispositivos de controle closed-lop surgem como sistemas inteligentes, os quais podem ser implementados
fontes controladoras de corrente e tenso. Nesta situao, a em controladores ou em aplicaes oline do sistema de
assinatura da falta estar presente tanto na corrente do diagnstico. Em trabalhos recentes encontram-se as RNA
motor quanto na tenso, o que aumenta a diculdade em aplicadas na identicao de falhas do rolamento (Onel et
denir falhas num MIT (Pires et al., 2009). al., 2009; Cho et al., 2010), em barras quebradas do rotor
(Kaminski et al., 2010) e em falhas no enrolamento do
Mtodos convencionais para anlise de sinais de MIT so
estator (Cho et al., 2010). A LF utilizada na deteco de
inecientes ao identicar falhas em motores acionados por
curtos-circuitos nos enrolamentos do estator (Rodriguez and
inversores. Isto se justica pelo controlador de
Arkkio, 2008) e os sistemas hbridos neuro-fuzzy no
realimentao de corrente que mascara a assinatura da falta,
diagnstico de falhas no rotor (Uddin et al., 2010) e no
ou ainda, pela mudana constante da carga, ou seno, pela
rolamento (Abu-Rub et al., 2010).
produo de componentes de frequncias prximos
componente fundamental, os quais indicam a quebra na
barra do rotor (Bellini et al., 2008a; Kim et al., 2011).
4 FALHAS NO ESTATOR

Conforme Vas (1993), as falhas originadas pelo


TABELA 1:
enrolamento do estator em mquinas de induo podem ser
FALHAS DOS COMPONENTES DO ENROLAMENTO DO ESTATOR subdivididas de acordo com seus componentes, como
descrito na Tabela 1.
Em um motor de induo de baixa tenso, as falhas do poucas espiras. Um procedimento de diagnstico eciente
enrolamento do estator podem ser classicadas em: curto- deve distinguir entre uma sequncia negativa, causada pelo
circuito entre espiras de uma mesma bobina, curto-circuito curto-circuito, daquelas sequncias geradas por tenses
entre bobinas da mesma fase, curtocircuito entre bobinas de desbalanceadas, saturao, assimetrias nos enrolamentos e
diferentes fases, curto-circuito entre uma fase e o terra e excentricidades.
circuito aberto em uma fase.
A abordagem do vetor de Park outro mtodo usado com
O curto-circuito entre os enrolamentos de cobre causa um sucesso para detectar falhas no enrolamento do estator em
uxo signicativo de corrente na bobina levando a uma motores de induo (Marques Cardoso et al., 1999). As
rpida deteriorizao. Esta falha muito destrutiva, pois componentes de corrente do vetor de Park so representas
envolve a queima do isolamento e fuses localizadas nos por id (direta) e iq (quadratura). Essas componentes so
condutores de cobre. O monitoramento contnuo da obtidas pelas variveis que representam as correntes das trs
sequncia negativa da corrente do estator um simples fases do motor (ia, ib e ic), isto :
mtodo para deteco desta falha.

Quando o motor est girando, o rotor movimenta na direo


da corrente de sequncia positiva, prximo velocidade
sncrona. A corrente de sequncia negativa, com uma
rotao de fase oposta rotao do rotor, gera uma tenso
que induz uma corrente substancial no rotor. Essa corrente
induzida tem uma frequncia de aproximadamente duas Em condies de operao balanceada e saudvel, a
vezes a frequncia da rede. O efeito pelicular dessa corrente do motor pela abordagem do vetor de Park
frequncia nas barras do rotor causa um signicante circular e centrada na origem do eixo de cordenadas. Sob
aumento na resistncia do rotor e, consequentemente, uma condies de falta, este padro desviado do centro de
signicativa elevao no aquecimento do rotor. acordo com a falta associada.
As sequncias negativas, positivas e zero so usadas para De forma geral, os mtodos convencionais para monitorar
transformar um conjunto genrico de fasores em vetores as condies de uma mquina de induo utilizam das
balanceados. Especicamente, trs correntes de linha ( Iu), ( componentes espectrais da corrente do estator no regime
Iv) e (Iw) so transformadas em trs vetores balanceados permanente. Mesmo que as mquinas no operem sob as
conhecidos como sequncia positiva (Ip), sequncia completas condies de regime permanente, tcnicas como
negativa (In) e sequncia zero ( I0), isto : Parks Vector Approach (Marques Cardoso et al., 1999), o
Extended Parks Vector Approach (EPVA) (Cruz and
Cardoso, 2001; Barendse et al., 2009), o Support Vector
Machine (SVM) (Radhika et al., 2010) e modelos
dinmicos (baseado no modelo transiente de quarta ordem)
(Baccarini et al., 2010) so capazes de detectar curtos-
circuitos nos enrolamentos do estator.

Em Kohler et al. (1992), os sinais de tenso e corrente so Outra tcnica tradicional para deteco de falhas em
adquiridos com a nalidade de calcular a sequncia motores a Anlise da Assinatura da Corrente do Motor
negativa. Visto que o valor dessa sequncia constante num (MCSA - Motor Current Signature Analysis) (Thomson and
motor em condies saudveis, sugere-se ento que um Fenger, 2001). O objetivo desta tcnica obter as
alarme seja disparado se o desvio da sequncia for superior componentes localizadas em (1 2s)f no espectro da
a 6%, levando-se ao desligamento da mquina antes que corrente do estator para detectar faltas especcas (sendo f a
aumente as falhas detectadas. frequncia das tenses de alimentao). No entanto, em
Joksimovic and Penman (2000), mostra-se
Muitos trabalhos reconhecem a corrente de sequncia matematicamente e experimentalmente que componentes
negativa como procedimento de diagnstico que distingue espectrais gerados por curtos em bobinas no so um
diferentes fenmenos dos motores (Kohler et al., 1992; indicador exato para denir falhas num enrolamento de
Bellini et al., 2000). Dentre esses fenmenos destacam a estator.
identicao de assimetria do estator e curtocircuitos nos
enrolamentos, principalmente quando estes ocorrem em
O enrolamento do estator assimtrico e faltoso pode detectar curto-circuitos no enrolamento do estator,
produzir harmnicas espaciais em qualquer onda no campo excentricidade dinmica do rotor, ambas as falhas
do entreferro. Entretanto, todas estas harmnicas variam simultaneamente ou motor saudvel. Os dados de entrada
numa nica frequncia, ou seja, a frequncia da fonte de para as redes neurais foram obtidos a partir da corrente do
tenso senoidal da rede. As harmnicas do estator induzem estator. As trs fases da corrente alternada do motor de
correntes na gaiola do rotor e que reetem de volta ao induo so lidas e amostradas para o clculo de parmetros
estator, como novas harmnicas do campo do entreferro. estatsticos, tais como o desvio padro, valores de mximo e
Vista do estator, as harmnicas do entreferro, causadas pela de mnimo do coeciente de skewness e o coeciente de
corrente induzida do rotor, variam na frequncia da seguinte kurtosis. A dimensionalidade destes parmetros foi reduzida
forma: aplicando o mtodo de Anlise de Componentes Principais
(PCA - Principal Component Analysis), o que gerou outras
topologias de RNAs, pois a quantidade de neurnios foi
reduzido tanto para a MLP (de 13 para 5 neurnios na
camada escondida) quanto para a rede SOM (de 13 para 7
Em que fr o componente reetido no estator, f1 a neurnios). Assim, foram testadas 4 topologias de RNAs
frequncia da fonte da rede eltrica, p o nmero de pares (MLP, MLP reduzida, SOM e SOM reduzida) com diversas
de plos, s o escorregamento, n o nmero de barras do taxas de aprendizado e com vrias funes de aprendizado.
rotor e o nmero das harmnicas. Em uma anlise comparativa, a rede MLP reduzida atuou
como um ecaz classicador de diagnstico de faltas,
As harmnicas do campo do entreferro induzidas na obtendo-se 98.25% de acertos para o conjunto de dados
corrente do estator apresentam-se na mesma frequncia que destinados ao treinamento da rede e 96.22% para o conjunto
uma harmnica produzida num motor saudvel. Logo, uma de validao (dados no usados no treinamento).
falha no enrolamento do estator pode mudar a amplitude das
harmnicas da corrente do estator, mas no produz nenhuma Alternativamente, modelos compostos por redes neurais
nova frequncia no espectro da corrente. De acordo com podem ser colocados em paralelo com os sistemas que
esta anlise, pode-se ser difcil detectar falhas do estator devem ser monitorados, a m de que os resultados obtidos
pelo espectro da corrente apenas pelo mtodo MCSA pelas redes neurais sejam comparados com os dados reais
(Joksimovic and Penman, 2000). de sada de um motor de induo (Su and Chong, 2007).
Este procedimento foi aplicado a rede neural recorrente
A Rede Neural Articial (RNA) uma das abordagens de integrada modelagem Bayesiana Dinmica com o intuito
Inteligncia Articial (IA) capaz de organizar as de detectar enrolamentos curto-circuitados no estator,
caractersticas dos sinais, assim como identicar e rachaduras nas esferas internas dos rolamentos ou um motor
diagnosticar falhas presentes nos motores. Alm disso, a saudvel (Cho et al., 2010). Para testar esta metodologia,
no dependncia de modelos matemticos para sua efetiva trs RNAs idnticas estruturalmente foram implementadas e
implementao foi um dos fatores que as destacaram na testadas sob trs motores com mesmas caractersticas, mas
resoluo de problemas de falhas em MIT. Em Chow and cada uma com um dos objetivos citados. Conclui-se que o
Yee (1991) destaca-se uma das primeiras pesquisas na algoritmo proposto identicou os motores que estavam
atribuio das RNAs para deteco de falhas incipientes em operando anormalmente e que a falha no rolamento foi mais
motores de induo do tipo gaiola de esquilo. fcil de ser detectada do que a falha no enrolamento.

As falhas de curto-circuito no enrolamento do estator Qualquer tipo de falha no enrolamento do estator pode levar
podem ser detectadas e classicadas por redes neurais das parada do motor, o que seria inaceitvel em algumas
seguintes topologias: perceptron multicamada (MLP) aplicaes. A adio de mais fases num motor de induo
(Ghate and Dudul, 2010; Tallam et al., 2003; Bouzid et al., garante a conabilidade e a operao contnua do sistema,
2008; Ghate and Dudul, 2009; Leite et al., 2009); RBF caso uma das fases de um motor trifsico falhe
(Radial Base Function) (Wu and Chow, 2004; Ghate and (Kianinezhad et al., 2008). Adicionalmente, algoritmos de
Dudul, 2011); Hebbian (Martins et al., 2007); SOM (Self- controle formados pela lgica fuzzy e pelo slidingmode
Organizing Maps)(Ghate and Dudul, 2010); Elman neural foram tambm usados para obter, com alta preciso, o
network e Time Lagged Feed forward Network (TLFN) funcionamento de uma mquina de induo de seis fases em
(Leite et al., 2009). modo saudvel ou no (Fnaiech et al., 2010).

Em Ghate and Dudul (2010) dene um classicador Dentre as metodologias da inteligncia articial, a lgica
baseado nas redes neurais MLP e SOM, cujo objetivo fuzzy bem utilizada em sistemas de monitoramento de
falhas no enrolamento do estator (Rodriguez and Arkkio, primeiro sistema uma RNA com o objetivo de estimar
2008; Zidani et al., 2003; Mini et al., 2010; Kumar et al., alguma anomalia no motor, a partir da leitura de uma das
2010; Karakose et al., 2010). A lgica fuzzy surgiu como fases da corrente. O segundo a implementao da LF para
um meio de representar a impreciso inerente ao processo diagnosticar falhas no estator, extraindo-se informaes da
por meio de termos lingusticos, assim como uma maneira amplitude das trs fases da corrente do motor. Por m, o
de expressar o conhecimento humano por uma forma mais terceiro sistema detecta falhas na barra do rotor usando o
natural (Zadeh, 1965). As variveis que representam a algoritmo de seleo negativa por dados obtidos em uma
situao do motor sero transformadas em conjuntos fuzzy fase da corrente. Os resultados foram satisfatrios, os quais
para que, posteriormente, sejam analisados pelo conjunto de so obtidos, sobretudo, num tempo de processamento de
regras do sistema fuzzy, o qual foi formulado por dois milissegundos.
especialistas naquele processo. O conhecimento
armazenado por estes sistemas toma decises que tem Com objetivo de produzir metodologias mais ecazes, duas
gerado resultados com alta percentagem de acertos. Devido ou mais tcnicas da inteligncia articial podem ser
a isto, os sistemas de controle avanados esto, combinadas e implementadas num nico sistema
progressivamente, empregando os conceitos da teoria fuzzy computacional, sendo intitulado por sistema hbrido
desde os anos 80 (Dos Santos Coelho et al., 2003). Os avanado ou inteligente hbrido. Os sistemas hbridos
controladores fuzzy so capazes de analisar parmetros no- avanados podem ser classicados de acordo com sua
lineares, variantes no tempo e com informaes imprecisas, constituio, isto , sequencial, auxiliar ou incorporado. No
Alm de apresentarem um desempenho igual ou superior sistema hbrido sequencial, executa-se, primeiramente, a
aos controladores convencionais (Callai et al., 2007). tcnica de um subsistema e em seguida a tcnica do outro.
O sistema hbrido auxiliar tambm formado por dois
A lgica fuzzy, em Mini et al. (2010), aplicada para subsistemas, sendo que um deles tem a funo de realizar
diagnosticar as condies do estator de um motor de uma tarefa auxiliar ao subsistema principal. Em DAngelo
induo e as condies de um circuito aberto numa das et al. (2011), falhas nos enrolamentos do estator foram
fases, a partir da amplitude da corrente do estator. As analisadas por um sistema hbrido auxiliar mediante anlise
variveis de entrada so as trs fases da corrente (Ia, Ib, Ic), dos sinais da corrente do estator e da velocidade angular do
interpretadas como variveis lingusticas T(Q)={zero, rotor. Neste artigo, inicialmente, os dados foram
pequeno, mdio, grande} , sendo Q=Ia,Ib,Ic. A varivel de processados pela clusterizao fuzzy, cujos centros dos
sada o termo CM, que signica condies do motor, a clusters foram determinados por uma rede neural do tipo
qual foi tambm denida como varivel lingustica Kohonen, seguido da execuo do algoritmo Metropolis-
T(CM)={bom, danicado, seriamente danicado, circuito Hastings.
aberto A, circuito aberto B, circuito aberto C}. O sistema de
deciso fuzzy obteve exatido em seu diagnstico. Por outro lado, os sistemas neuro-fuzzy so geralmente
tcnicas ideais para denir um sistema hbrido incorporado,
Em Karakose et al. (2010), o autor apresenta choquet fuzzy ou seja, no h como separar os procedimentos de cada
integral para diagnosticar falhas no estator e quebras na subsistema. No sistema neuro-fuzzy a inferncia fuzzy
barra do rotor frente s duas fases de processamento que implementada segundo a estrutura de uma rede neural, o
dividiu o sistema. Na primeira fase, caractersticas so que fornece o raciocnio heurstico do processo de deteco
extradas do sinal de corrente do motor para estimar a de falhas. Alm disso, as suas aplicaes so capazes de
gravidade da falta. Na segunda fase, diferentes algoritmos descrever as condies reais da falha do estator, tais como
de diagnstico (rede MLP, SVM, AG, AIS - Articial aquelas abordagens formuladas em Gode (1995a), Gode
Immune System, e FAIS - Fuzzy Articial Immune System) (1995b), Caminhas et al. (1996), Ballal et al. (2007) e Tran
so combinados ao choquet fuzzy integral para diagnosticar et al. (2009).
com exatido as falhas do motor, sendo o SVM o algoritmo
de diagnstico que obteve melhores resultados dentre os
demais. 5 FALHAS NO ROTOR
Outra metodologia para diagnosticar falhas no estator e Segundo Vas (1993), as falhas oriundas do rotor, cuja
quebras na barra do rotor est descrito em Akin et al. estrutura do tipo gaiola de esquilo, podem ser
(2011). Neste artigo, trs sistemas foram implementados em identicadas nos componentes de sua estrutura principal
paralelo num FPGA Field Programmable Gate Array, cujo (corpo do rotor).
tempo de resposta e funcionalidade caracterizou todo o
conjunto como um sistema online em tempo real. O TABELA 2: FALHAS DOS COMPONENTES DO ROTOR
classicar as falhas do rotor, obtendo-se 100% e 98,33% de
exatido, respectivamente.

J em Su and Chong (2007), uma rede neural MLP


combinada com a transformada de Fourier (STFT) utilizam
do espectro de sinais de vibrao de motores saudveis a
m de treinar a rede. Uma vez que o modelo estabelecido,
sinais de vibrao obtidos sob condies de falhas sero
aplicados ao sistema para gerar uma anlise residual e,
posteriormente, calcular o nvel da falha. O indicador do
nvel da falha est baseado na distoro entre o sinal de
vibrao em condies saudveis e o resultado do residual
na presena de falhas. Neste estudo, as falhas analisadas
foram quatro situaes diferentes de barras quebradas e
excentricidade. Para todas as falhas, os resduos de vibrao
resultantes sobressaiam linha de base que limitava a
Figura 1: Efeitos nas correntes do estator e do rotor devido da assimetria condio saudvel para um motor, Alm de que a magnitude
do rotor. do residual aumentava nitidamente com a severidade das
falhas.
Dentre as falhas classicadas, a quebra na barra do rotor e
as rachaduras nos anis nais compartilham de 5% a 10% Outro exemplo o sistema formado pela transformada
das falhas em mquinas de induo (Bellini et al., 2008a). Wavelet Packet Decomposition (WPD) e a rede MLP, que
Para estas falhas, a abordagem do vetor de Park (Karami et pode identicar falhas nas barras do rotor atravs das
al., 2010a; Pezzani et al., 2010) e, principalmente, a MCSA frequncias do escorregamento e da corrente do estator
foram destacadas na literatura, conforme as tcnicas (Sadeghian et al., 2009). Este sistema foi dividido em
apresentadas em Ayhan et al. (2008), Concari et al. (2008), quatro passos: aquisio de dados, prprocessamento,
Puche-Panadero et al. (2009), Riera-Guasp et al. (2010) e deteco de falta e ps-processamento. No pr-
Concari et al. (2010). processamento, o sinal da corrente do estator
transformado para o domnio tempo-frequncia pela WPD e
Um motor de induo operando com uma falha no rotor que, consequentemente, gera os coecientes caractersticos.
gera uma sequncia negativa de corrente devido Esses coecientes possuem resolues de diferentes
assimetria do rotor. Isto induz uma componente principal na frequncias, e junto com a frequncia de escorregamento
corrente do estator, a qual varia na frequncia de (12s)f. treinam a rede neural. A etapa do psprocessamento
Alm disso, as frequncias de assimetria do rotor so sf, armazena os diferentes tipos de faltas encontrados pela rede
3sf,...; como esboado na Fig. 1 (Bellini et al., 2008a). num banco de dados para, posteriormente, ser usado no
aperfeioamento do algoritmo de deteco de falhas.
A diculdade em se detectar falhas nos rotores est
justamente na classicao das linhas de frequncia Outras arquiteturas e topologias de redes neurais tambm
presentes nos sinais. Para minimizar este problema e obter foram desenvolvidas para falhas no rotor, principalmente
uma ferramenta eciente de deteco de falhas, os sistemas para quebras nas barras do rotor, tais como: MLP (Ayhan et
inteligentes tm sido tambm utilizados para mapear estes al., 2006; Pawlak and Kowalski, 2010; Bouzid et al., 2010),
processos considerados complexos. SOM (Cupertino et al., 2005), General Regression Neural
Networks (GRNN) (Kaminski et al., 2010), Kohonen (Vas,
As redes neurais combinadas com diferentes mtodos
1999).
compoem diversas estruturas para um sistema de
diagnstico, principalmente naqueles mtodos responsveis Alm das redes neurais, a lgica fuzzy tem tambm atuado
pela extrao de caractersticas do sinal. Como exemplo, a tanto na deteco de falha (Zouzou et al., 2009) quanto na
estrutura formada pela Current Signal Analysis (CSA) e a exatido e quanticao dondice de falha dos rotores
rede neural MLP podem analisar seis diferentes situaes do (Karakose et al., 2010; Razik et al., 2009). Em Razik et al.
rotor: de uma a trs quebras na barra do rotor, barra com (2009) descrita uma metodologia constituda pela
alta resistncia, quebra nos anis nais ou rotor saudvel, transformada Concordia, Algoritmo Gentico (AG) e um
conforme constatado em Arabaci and Bilgin (2009). Neste sistema baseado na lgica fuzzy. O primeiro responsvel
artigo, a rede neural foi usada tanto para detectar como para pela ltragem e sntese das trs linhas da corrente do
estator; o AG busca a falha no espectro de frequncia; e o Sob uma carga nominal de 75%, o algoritmo PSO em Razik
nvel de gravidade da falha denido pela abordagem et al. (2010) identicou frequncias na linha da corrente do
fuzzy. Este sistema foi capaz de informar ao operador da estator, que representavam uma barra quebrada no rotor,
mquina, por meio de indicadores luminosos, sobre o estado estando o escorregamento j no regime permanente, em
da mesma, o qual poderia ser classicado como saudvel, aproximadamente 100 iteraes. Durante os testes,
falha incipiente no rotor, ou presena de uma barra observou-se que as partculas que no apresentavam bom
quebrada no rotor. Tais estados foram noticados e testados desempenho desapareciam durante as iteraes. Alm disso,
ao operar o motor sob 50%, 75% ou 100% de sua carga deduziu-se o bom desempenho do algoritmo PSO no caso
nominal. em que o motor estivesse operando sob carga leve, pois
nessa situao as linhas de falhas estariam muito prximas
A LF aliada entropia da informao comps um sistema uma das outras e poderiam confundir o processo de
em tempo-real de deteco de falhas simples ou compostas, otimizao. No entanto, o algoritmo PSO evita solues
sendo implementado em hardware num dispositivo FPGA locais independentemente do tamanho do espao de busca.
(Romero-Troncoso et al., 2011). A anlise da entropia da
informao ofereceu referncias quantitativas da Recentemente, uma metodologia inspirada no sistema
informao inserida numa fase da corrente, e a inferncia da imunolgico humano tem se tornado destaque na rea da
LF, aplicada sob cada valor retornado da entropia, fez uma inteligncia computacional, denominada de sistema
exata identicao da condio da falha simples ou imunolgico articial (Castro and Timmis, 2002; Laurentys
mltipla, que poderia ser quebra na barra do rotor, et al., 2010). Baseado nas teorias deste sistema, um novo
desbalanceamento ou falhas nos rolamentos. O sistema mtodo de programao, chamado Programao de Seleo
gerou 100% de exatido para motores saudveis e com as de Clones (CSP), foi proposto em Gan et al. (2009a) para
trs falhas juntas. Porm, a identicao das outras melhorar a eccia da codicao de programas e dos
combinaes de falhas (individuais e mltiplas) diminui a mecanismos de busca. J em Gan et al. (2009b), o CSP foi
ecincia, mas os resultados ainda foram considerados aplicado no classicador responsvel pela deteco de
satisfatrios. falhas da mquina a partir dos sinais de vibrao.

Destaca-se tambm a presena de sistemas neuro-fuzzy na


classicao de falhas que, combinados a outras
metodologias, so responsveis pela seleo e extrao de
caractersticas do conjunto de dados. Dentre estas
metodologias, destacam-se a rvore de classicao e
regresso (CART) (Tran et al., 2009) e o analisador
threshold representado por uma curva emprica da
velocidadetorque (Tan and Huo, 2005). Alm disso, destaca-
se tambm a formulao de um controlador neuro-fuzzy
para tolerar efeitos e reaes do motor na presena de barras
quebradas no rotor, conforme investigado em Uddin et al.
(2010).
Figura 2: Estrutura e parmetros de um rolamento.
Em relao localizao das frequncias que representam
falhas no rotor, em Razik et al. (2010) utilizado o
algoritmo Particle Swarm Otimization (PSO) (Kennedy and
6 FALHAS NOS ROLAMENTOS
Eberhart, 1995) para explorar o espao de busca e extrair os
espectros de frequncia. O algoritmo PSO uma tcnica de Um rolamento consiste de anis interno e externo, entre os
otimizao que simula a habilidade de um indivduo dentro quais um conjunto de esferas ou rolos gira, formando-se
de uma sociedade durante um processo de conhecimento. ento uma pista entre os anis, conforme ilustrado na Fig. 2.
Em outras palavras, um algoritmo que modela a Falhas de rolamento podem ser oriundas dos anis internos,
explorao do espao do problema por uma populao de dos anis externos ou dos elementos girantes. Tais falhas se
indivduos, tal que suas buscas so inuenciadas por bons desenvolvem devido vibrao, stress interno,
resultados adquiridos pelos indivduos da populao e por desalinhamento do eixo, excentricidade, corrente no
ele prprio (Kennedy, 1997). rolamento, poeira ou corroso.
Em Vas (1993), as falhas do rolamento foram identicadas PSO (Samanta and Nataraj, 2009). Nestes sistemas, um pr-
ao associar a frequncia de vibrao do eixo com processamento dos sinais se fez necessrio para compilar as
caractersticas dos elementos do rolamento, as quais podem entradas da rede neural, tais como aqueles baseados em
ser descritas pelas seguintes equaes: mtodos estatsticos (Kankar et al., 2011), analisador
biespectral baseado em Hilbert (Yang, 2010) e
Multiresolution analysis (MRA) (Castejn et al., 2010).
Alm da rede neural MLP, comparou-se tambm em
Mahamad and Hiyama (2010) os resultados gerados pelas
redes neurais de tipo Elman, RBF e pelo sistema neuro-
fuzzy (ANFIS).

Em Mahamad and Hiyama (2008), o uso nico da rede de


Elman foi capaz para identicar falhas nos rolamentos por
meio dos sinais de vibrao. Em Yan et al. (2010), espectros
de energia extrados pela transformada Wavelet Packet
foram repassados ao algoritmo PCA, que selecionou
caractersticas e encaminhou ao algoritmo da lgica fuzzy,
responsvel em unir dados que representam defeitos
iniciantes nas esferas, nas pistas interna e externa do
rolamento, com dimetros de 7, 14 e 21 milmetros. A
metodologia proposta foi eciente para diagnosticar as
falhas incipientes; porm resultados mais promissores
foram alcanados ao aumentar a estraticao dos padres
Sendo que N o nmero de elementos rolantes ou esferas; de falhas.
fr a frequncia rotacional do rotor; Db o dimetro da
Para aquelas aplicaes usando sistemas hbridos, observou-
esfera; Dc o dimetro do campo da esfera; e o ngulo
se aqui uma diversicao de variveis atuando como dados
de contato da esfera com a pista.
de entrada em sistemas de tipo neuro-fuzzy para
Vrios trabalhos aplicaram redes neurais em sistemas de monitoramento de falhas em rolamentos. Medidas de
diagnstico de falhas nos rolamentos, como em Wu and velocidade, torque e corrente foram os dados de entrada
Chow (2004), onde apresentado uma rede neural RBF, gerados pelo motor para os sistemas ANFIS e FALCON
com auto-ajuste no nmero de neurnios na camada (Fuzzy Adaptive Learning Control/Decision Network)
escondida, segundo a metodologia da rede SOM. O espectro formulado em Altug and Trussell (1999); rudo, temperatura
da corrente e os sinais de vibrao do motor forneceram os do mancal, temperatura do enrolamento, velocidade e
dados de entrada para as redes neurais. Em relao s corrente foram os dados de entrada para aquele sistema
falhas, foram induzidos nveis diferentes de ANFIS apresentado em Ballal et al. (2007); as trs fases da
desbalanceamento eltrico na alimentao do motor e trs corrente do estator, a velocidade e o torque da carga foram
extenses de relaxamento no parafuso responsvel pela as variveis de entrada para o sistema neuro-fuzzy descrito
xao do motor na bancada, provocando-se, em Abu-Rub et al. (2010); e apenas os sinais de vibrao
consequentemente, vibraes de natureza eltrica e foram usados por sistemas ANFIS desenvolvidos em
mecnica no ncleo do rotor. Os resultados mostraram Mahamad and Hiyama (2010) e Zhang et al. (2010), e
100% de acerto na identicao de falhas mecnicas IFAM (improved Fuzzy ARTMAP) em Xu et al. (2009).
durante os testes da rede, enquanto que as falhas eltricas
obtiveram 85.7%, ao passo que o motor sob condies
normais obteve 96.0%. 7 FALHAS DE EXCENTRICIDADE
A rede neural do tipo MLP tambm foi implementada para Excentricidade num motor uma folga desigual existente
identicar falhas em rolamentos, conforme formulaes entre o estator e o rotor (Vas, 1993), e que classicada
descritas em Kankar et al. (2011), Li et al. (2000), Samanta como esttica, dinmica ou mista. Na excentricidade
and Nataraj (2009), Yang (2010), Castejn et al. (2010) e esttica, o centro de rotao do eixo deslocado do centro
Mahamad and Hiyama (2010). Entretanto, em alguns original a uma distncia que permanece xa. Por outro lado,
sistemas, a rede MLP aparece integrada a diferentes na excentricidade dinmica, o centro de rotao permanece
tcnicas, como o SVM (Kankar et al., 2011) e o algoritmo na posio original, mas o eixo deslocado. Logo, a
excentricidade mista representa o centro e o eixo de rotao se obter convergncia para um mnimo local. Da segunda
deslocados de suas respectivas posies de origem. at a ltima camada a representao da rede MLP, que foi
anexada camada da RBF com a funo de otimizar a
A excentricidade de folga uma falha comum nos motores topologia da rede proposta. A rede neural em cascata RBF-
de induo trifsico. Porm, devido s algumas MLP noticou satisfatoriamente as falhas excentricidade no
imperfeies de fabricao e de desempenho, at 10% de rotor e curto-circuito entre os enrolamentos do estator.
excentricidade permitido (Awadallah and Morcos, 2003).
Uma excentricidade pode ser causada por vrios fatores, tais
como mau posicionamento do mancal durante a montagem
do motor, desgaste do rolamento, inclinao do eixo do 8 PROBLEMAS EM ABERTO E NOVAS
rotor (Ong et al., 2000). A excentricidade gera uma fora no TENDNCIAS
rotor que tenta arranc-lo dos mancais suportados pelo Dentre os artigos citados, observaram-se algumas ressalvas
estator, causando um signicante aumento em seus nos sistemas de diagnstico de falhas que no obtiveram
desgastes. solues ecientes. A identicao do nmero de voltas
Dentre as tcnicas convencionais, MCSA foi usada curto-circuitadas numa fase do estator, e a noticao de
extensivamente para diagnosticar a excentricidade. As falhas provindas fora do MIT, como a tenso ou corrente
frequncias especcas relacionadas esta falta so dadas desbalanceada, so exemplos destes probremas. O
por (Vas, 1993): reconhecimento da tenso desbalanceada induz a falsos
alarmes, o que prejudica o desempenho do sistema de
diagnstico (Leite et al., 2009). Igualmente, h diculdades
nos sistemas de diagnstico de falhas que j foram
solucionadas, mas que ainda podem ser mais bem
explorados. Neste caso, apontam-se as tcnicas
onde k um inteiro positivo, R o nmero das barras do computacionais que foram aplicadas aos parmetros
rotor, p o nmero da pares de plos, nd a ordem da estatsticos dos MIT com o intuito de ltr-los para os
excentricidade, s o escorregamento do motor, v a ordem sistemas inteligentes. Exemplos destes mtodos so: PCA
das harmnicas, e f1 a frequncia de alimentao. (Ghate and Dudul, 2010), CART (Tran et al., 2009) ou
Sinais de vibrao, tenso e corrente do estator so algoritmos de otimizao.
monitorados para detectar falhas relacionadas Por outro lado, novas tendncias tericas e tecnolgicas tm
excentricidade. Na literatura, estes sinais foram tambm sido apontadas e encorajadas pelos artigos investigados, tais
analisados por sistemas inteligentes, tais como a rede MLP como as seguintes:
(Ghate and Dudul, 2009; Su and Chong, 2007; Huang et al.,
2007) e a rede RBF aliada rede MLP (RBFMLP) (Ghate O uso de inversores para noticar falhas de origem interna
and Dudul, 2011). e externa ao MIT.

Em Ghate and Dudul (2011), alguns parmetros estatsticos Sistema de identicao e classicao de falhas eltricas
foram calculados a partir da corrente do estator, os quais e mecnicas baseado em mtodos computacionais, como o
foram selecionados pela tcnica do PCA, e encaminhados CSP, Choquet Fuzzy Integral e GRNN.
rede RBF-MLP. Ou seja, a primeira camada neural dessa
rede assemelha-se primeira camada de uma rede RBF, que Combinao de diferentes abordagens com aquelas
contm a funo Gausiana como funo de aprendizado, advindas dos sistemas inteligentes, tais como: CART e
composta por regras competitivas e mtricas adequadas para ANFIS, MLP e SVM, MLP e PSO, AG e LF, AG e PSO.

TABELA 3: RESUMO DOS ARTIGOS QUE UTILIZAM SISTEMAS INTELIGENTES NA IDENTICAO DE FALHAS EM MIT
inteligentes que abordaram mltiplas e simultneas falhas
9 CONCLUSO no motor, e outros que destacaram a presena de inversores
no acionamento dos MIT.
Este artigo apresentou uma viso geral das aplicaes mais
relevantes dos sistemas inteligentes na identicao e Conclui-se que as metodologias dos sistemas inteligentes se
diagnstico de falhas de motores de induo trifsico. destacam por vrias particularidades, dentre as quais a
Destacou-se a presena de diferentes topologias de RNAs, possibilidade de treinamento a partir dos sinais do motor em
lgica fuzzy, AG, PSO, CSP, e sistemas neurofuzzy que ambos os domnios (tempo ou frequncia), predio de
representam os sistemas hbridos avanados. Portanto, a falhas incipientes devido s anomalias de operao,
Tabela 3 cita os principais estudos que foram referenciados reconhecimento de padres e mapeamento no-linear no
neste texto, destacando-se as falhas e os respectivos monitoramento das condies do motor, emulao e
sistemas inteligentes utilizados na sua identicao. implementao do conhecimento humano, e classicao
das falhas.

O expressivo nmero de trabalhos com resultados bem


promissores prova a ecincia destes sistemas inteligentes
na automatizao dos processos de diagnstico de falhas, os
Pela Tabela 3, observa-se a expressiva quantidade de
quais podem aprimorar ainda mais os sistemas a serem
trabalhos que utilizaram as RNAs para identicar as falhas
desenvolvidos.
dos MIT. Isto se deve s diferentes topologias de redes,
baixa complexidade computacional em sua implementao,
capacidade de organizar os dados, Alm de outras
particularidades que cada autor destacou em seus trabalhos. REFERNCIAS
Dentre os artigos citados, algns desenvolveram sistemas
Abu-Rub, H., Moin Ahmed, S., Iqbal, A., Rahimian, M. and Toliyat, H. Bouzid, M. B. K., Champenois, G., Bellaaj, N. M., Signac, L. and Jelassi,
(2010). Incipient bearing fault diagnostics for inverter fed induction motor K. (2008). An eective neural approach for the automatic location of stator
drive using ANFIS, Proc. The XIX International Conference on Electrical interturn faults in induction motor, IEEE Transactions on Industrial
Machines (ICEM 2010), pp. 15. Electronics 55(12): 42774289.

Akin, E., Aydin, I. and Karakose, M. (2011). FPGA based intelligent Bouzid, M., Champenois, G., Bellaaj, N. and Jelassi, K. (2010). Automatic
condition monitoring of induction motors: detection, diagnosis, and and robust diagnosis of broken rotor bars fault in induction motor, Proc.
prognosis, Proc. IEEE International Conference on Industrial Technology The XIX International Conference on Electrical Machines (ICEM 2010),
(ICIT), pp. 373378. Vol. 2, pp. 17.

Altug, S. and Trussell, H. (1999). Fuzzy inference systems implemented on Briz, F., Degner, M. W., Garcia, P. and Diez, A. B. (2008). High-frequency
neural architectures for motor fault detection and diagnosis, IEEE carrier-signal voltage selection for stator winding fault diagnosis in
Transactions on Industrial Electronics 46(6): 10691079. inverterfed AC machines, IEEE Transactions on Industrial Electronics
55(12): 41814190.
Arabaci, H. and Bilgin, O. (2009). Automatic detection and classication
of rotor cage faults in squirrel cage induction motor, Neural Computing Callai, T. C., Dos Santos Coelho, L. and Coelho, A. A. R. (2007). Controle
and Applications 19(5): 713723. nebuloso adaptativo por modelo de referncia: Projeto e aplicao em
sistemas no-lineares, Controle & Automaco 18(4): 479 489.
Awadallah, M. A. and Morcos, M. M. (2003). Application of AI tols in
fault diagnosis of electrical machines and drives-an overview, IEEE Caminhas, W. M., Tavares, H. and Gomide, F. (1996). A neurofuzzy
Transactions on Energy Conversion 18(2): 245251. approach for fault diagnosis in dynamic systems, Proc. IEEE International
Conference on Fuzzy Systems, pp. 20322037.
Ayhan, B., Chow, M.-Y. and Song, M.-H. (2006). Multiple discriminant
analysis and neural-networkbased monolith and partition fault-detection Castejn, C., Lara, O. and Garca-Prada, J. C. (2010). Automated diagnosis
schemes for broken rotor bar in induction motors, IEEE Transactions on of rolling bearings using MRA and neural networks, Mechanical Systems
Industrial Electronics 53(4): 1298 1308. and Signal Processing 24(1): 289299.

Ayhan, B., Trussell, H. J., Chow, M.-Y. and Song, M.H. (2008). On the use Castro, L. N. D. and Timmis, J. (2002). Articial Immune Systems: A New
of a lower sampling rate for broken rotor bar detection with DTFT and Computational Intelligence Approach., 1st edn, Springer, London.
ARbased spectrum methods, IEEE Transactions on Industrial Electronics
55: 14211434. Cheng, S., Zhang, P. and Habetler, T. G. (2011). An impedance
identication approach to sensitive detection and location of stator turn-to-
Baccarini, L. M. R., Menezes, B. R. and Caminhas, W. M. (2010). Fault turn faults in a closed-lop multiple-motor drive, IEEE Transactions on
induction dynamic model, suitable for computer simulation: Simulation Industrial Electronics 58(5): 15451554.
results and experimental validation, Mechanical Systems and Signal
Processing 24(1): 300311. Cho, H. C., Knowles, J., Fadali, M. S. and Lee, K. S. (2010). Fault
detection and isolation of induction motors using recurrent neural networks
Baccarini, L. M. R., Rocha e Silva, V. V., De Menezes, B. R. and and dynamic bayesian modeling, IEEE Transactions on Control Systems
Caminhas, W. M. (2011). SVM practical industrial application for Technology 18(2): 430437.
mechanical faults diagnostic, Expert Systems with Applications 38(6):
69806984. Chow, M. and Yee, S. (1991). Methodology for on-line incipient fault
detection in single-phase
Ballal, M. S., Khan, Z. J., Suryawanshi, H. M. and Sonolikar, R. L. (2007).
Adaptive neural fuzzy inference system for the detection of inter-turn squirrel-cage induction motors using articial neural networks, IEEE
insulation and bearing wear faults in induction motor, IEEE Transactions Transactions on Energy Conversion 6(3): 536545.
on Industrial Electronics 54(1): 250258.
Concari, C., Franceschini, G. and Tassoni, C. (2008). Dierential diagnosis
Barendse, P. S., Herndler, B., Khan, M. A. and Pillay, P. (2009). The based on multivariable monitoring to assess induction machine rotor
application of wavelets for the detection of inter-turn faults in induction conditions, IEEE Transactions on Industrial Electronics 55(12): 4156
machines, Proc. IEEE International Electric Machines and Drives 4166.
Conference, pp. 14011407.
Concari, C., Franceschini, G. and Tassoni, C. (2010). A MCSA procedure
Bellini, A., Filippetti, F., Franceschini, G. and Tassoni, C. (2000). Closed- to diagnose low frequency mechanical unbalances in induction machines,
lop control impact on the diagnosis of induction motors faults, IEEE Proc. The XIX International Conference on Electrical Machines (ICEM
Transactions on Industry Applications 36(5): 13181329. 2010), pp. 16.

Bellini, A., Filippetti, F., Tassoni, C. and Capolino, G. A. (2008a). Cruz, S. M. A. and Cardoso, A. J. M. (2001). Stator winding fault diagnosis
Advances in diagnostic techniques for induction machines, IEEE in three-phase synchronous and asynchronous motors, by the extended
Transactions on Industrial Electronics 55(12): 41094126. Parks vector approach, IEEE Transactions on Industry Applications 37(5):
12271233.
Bellini, A., Immovilli, F., Rubini, R. and Tassoni, C. (2008b). Diagnosis of
bearing faults of induction machines by vibration or current signals: a Cupertino, F., Giordano, V., Mininno, E. and Salvatore, L. (2005).
critical comparison, Proc. IEEE Industry Applications Society Annual Application of supervised and unsupervised neural networks for broken
Meeting, pp. 18. rotor bar detection in induction motors, Proc. IEEE International
Conference on Electric Machines and Drives, pp. 18951901.
Bonnett, A. and Yung, C. (2008). Increased eciency versus increased
reliability, IEEE Industry Applications Magazine 14(1): 2936. DAngelo, M. F. S. V., Palhares, R. M., Takahashi, R. H. C., Loschi, R. H.,
Baccarini, L. M. R. and Caminhas, W. M. (2011). Incipient fault detection
in induction machine stator-winding using a fuzzyBayesian change point Kaminski, M., Kowalski, C. T. and Orlowska-Kowalska, T. (2010).
detection approach, Applied Soft Computing 11(1): 179192. General Regression Neural Networks as rotor fault detectors of the
induction motor, Proc. IEEE International Conference on Industrial
Dos Santos Coelho, L., Da M. Almeida, O. and Coelho, A. A. R. (2003). Technology (ICIT), pp. 12391244.
Projeto e estudo de caso da implementao de um sistema de controle
nebuloso, Controle & Automaco 14(1): 2029. Kankar, P. K., Sharma, S. C. and Harsha, S. P. (2011). Fault diagnosis of
ball bearings using machine learning methods, Expert Systems with
Filippetti, F., Franceschini, G., Tassoni, C. and Vas, P. (2000). Recent Applications 38(3): 18761886.
developments of induction motor drives fault diagnosis using AI
techniques, IEEE Transactions on Industrial Electronics 47(5): 994 1004. Karakose, M., Aydin, I. and Akin, E. (2010). The intelligent fault diagnosis
frameworks based on fuzzy integral, Proc. International Symposium on
Fnaiech, M. A., Betin, F., Capolino, G.-A. and Fnaiech, F. (2010). Fuzzy Power Electronics Electrical Drives Automation and Motion (SPEEDAM),
logic and sliding-mode controls applied to six-phase induction machine pp. 16341639.
with open phases, IEEE Transactions on Industrial Electronics 57(1): 354
364. Karami, F., Poshtan, J. and Poshtan, M. (2010a). Broken bar fault detection
in induction motors based on modied winding function, Proc. IEEE
Frosini, L. and Bassi, E. (2010). Stator current and motor eciency as International Conference on Control Applications, pp. 19511956.
indicators for dierent types of bearing faults in induction motors, IEEE
Transactions on Industrial Electronics 57(1): 244251. Karami, F., Poshtan, J. and Poshtan, M. (2010b). Detection of broken rotor
bars in induction motors using nonlinear Kalman lters., ISA transactions
Gan, Z., Chow, T. and Chau, W. (2009a). Clone selection programming and 49(2): 18995.
its application to symbolic regression, Expert Systems with Applications
36(2): 39964005. Kennedy, J. (1997). The particle swarm: social adaptation of knowledge,
Proc. IEEE International Conference on Evolutionary Computation
Gan, Z., Zhao, M.-B. and Chow, T. W. (2009b). Induction machine fault (ICEC97), pp. 303308.
detection using clone selection programming, Expert Systems with
Applications 36(4): 80008012. Kennedy, J. and Eberhart, R. (1995). Particle swarm optimization, Proc.
International Conference on Neural Networks (ICNN95), Vol. 3, pp.
Ghate, V. N. and Dudul, S. V. (2009). Fault diagnosis of three phase 19421948.
induction motor using neural network techniques, Proc. Second
International Conference on Emerging Trends in Engineering & Kianinezhad, R., Nahid-Mobarakeh, B., Baghli, L., Betin, F. and Capolino,
Technology (ICETET), number I, pp. 922928. G.-A. (2008). Modeling and control of six-phase symmetrical induction
machine under fault condition due to open phases, IEEE Transactions on
Ghate, V. N. and Dudul, S. V. (2010). Optimal MLP neural network Industrial Electronics 55(5): 1966 1977.
classier for fault detection of three phase induction motor, Expert Systems
with Applications 37(4): 34683481. Kim, B., Lee, K., Yang, J., Lee, S. B., Wiedenbrug, E. J. and Shah, M. R.
(2011). Automated detection of rotor faults for inverter-fed induction
Ghate, V. N. and Dudul, S. V. (2011). Cascade neural network based fault machines under standstill conditions, IEEE Transactions on Industry
classier for three phase induction motor, IEEE Transactions on Industrial Applications 47(1): 5564.
Electronics 58(5): 15551563.
Kohler, J. L., Sottile, J. and Trutt, F. C. (1992). Alternatives for assessing
Goldberg, P. E. (1989). Genetic Algorithm in Search Optimization and the electrical integrity of induction motors, IEEE Transactions on Industry
Machine Learning, 1st edn, Addison-Wesley Longman Publishing Co., Applications 28(5): 11091117.
New York.
Kumar, K. V., Kumar, S. S., Praveena, B., John, J. P. and Paul, J. E. (2010).
Gode, P. (1995a). Using a neural/fuzzy system to extract heuristic Soft computing based fault diagnosis, Proc. International Conference on
knowledge of incipient faults in induction motors: Part II-Application, Computing Communication and Networking Technologies (ICCCNT
IEEE Transactions on Industrial Electronics 42(2): 139146. 2010), pp. 17.

Gode, P. V. (1995b). Using a neural/fuzzy system to extract heuristic Laurentys, C. A., Palhares, R. M. and Caminhas, W. M. (2010). Design of
knowledge of incipient faults in induction motors. Part I-Methodology, an articial immune system based on Danger Model for fault detection,
IEEE Transactions on Industrial Electronics 42(2): 131138. Expert Systems with Applications 37(7): 51455152.

Huang, X., Habetler, T. G. and Harley, R. G. (2007). Detection of rotor Lee, S. B., Yang, J., Hong, J., Yo, J., Kim, B., Lee, K., Yu, J., Kim, M.,
eccentricity faults in a closedlop drive-connected induction motor using an Lee, K., Wiedenbrug, E. J. and Nandi, S. (2011). A new strategy for
articial neural network, IEEE Transactions on Power Electronics 22(4): condition monitoring of adjustable speed induction machine drive systems,
15521559. IEEE Transactions on Power Electronics 26(2): 389398.

Immovilli, F., Bellini, A., Rubini, R. and Tassoni, C. (2010). Diagnosis of Leite, D. F., Hell, M. B., Costa Jr., P. and Gomide, F. (2009). Real-time
bearing faults in induction machines by vibration or current signals: A fault diagnosis of nonlinear systems, Nonlinear Analysis: Theory, Methods
critical comparison, IEEE Transactions on Industry Applications 46(4): & Applications 71(12): e2665e2673.
13501359.
Li, B., Chow, M.-Y., Tipsuwan, Y. and Hung, J. C. (2000). Neural-network-
Joksimovic, G. M. and Penman, J. (2000). The detection of inter-turn short based motor rolling bearing fault diagnosis, IEEE Transactions on
circuits in the stator windings of operating motors, IEEE Transactions on Industrial Electronics 47(5): 10601069.
Industrial Electronics 47(5): 10781084.
Mahamad, A. K. and Hiyama, T. (2008). Development of articial neural Razik, H., Correa, M. B. R. and da Silva, E. R. C. (2010). The tracking of
network based fault diagnosis of induction motor dearing, Proc. IEEE 2nd induction motors faulty lines through particle swarm optimization using
International Power and Energy Conference (PECon08), pp. 13871392. chaos, Proc. IEEE International Conference on Industrial Technology
(ICIT), number 2, pp. 1245 1250.
Mahamad, A. K. and Hiyama, T. (2010). Fault classication performance
of induction motor bearing using AI methods, Proc. 5th IEEE Conference Riera-Guasp, M., Cabanas, M. F., Antonino-Daviu, J. a., Pineda-Snchez,
on Industrial Electronics and Applications, pp. 5661. M. and Garca, C. H. R. (2010). Inuence of nonconsecutive bar breakages
in motor current signature analysis for the diagnosis of rotor faults in
Marques Cardoso, A. J., Cruz, S. M. A. and Fonseca, D. S. B. (1999). Inter- induction motors, IEEE Transactions on Energy Conversion 25(1): 8089.
turn stator winding fault diagnosis in three-phase induction motors, by
Parks vector approach, IEEE Transactions on Energy Conversion 14(3): Rodriguez, P. V. J. and Arkkio, A. (2008). Detection of stator winding fault
595598. in induction motor using fuzzy logic, Applied Soft Computing 8(2): 1112
1120.
Martins, J. F., Pires, V. F. and Pires, A. J. (2007). Unsupervised neural-
network-based algorithm for an on-line diagnosis of three-phase induction Romero-Troncoso, R. J., Saucedo-Gallaga, R., CabalYepez, E., Garcia-
motor stator fault, IEEE Transactions on Industrial Electronics 54(1): 259 Perez, A., Osornio-Rios, R. A., Alvarez-Salas, R., Miranda-Vidales, H. and
264. Huber, N. (2011). FPGA-based online detection of multiple combined
faults in induction motors through information entropy and fuzzy
Mini, V., Setty, S. and Ushakumari, S. (2010). Fault detection and inference. Aceito para publicao em 19 de Fevereiro.
diagnosis of an induction motor using fuzzy logic, Proc. IEEE Region 8
International Conference on Computational Technologies in Electrical and Sadeghian, A., Ye, Z. and Wu, B. (2009). Online detection of broken rotor
Electronics Engineering (SIBIRCON), number 3, pp. 459464. bars in induction motors by wavelet packet decomposition and articial
neural networks, IEEE Transactions on Instrumentation and Measurement
Nandi, S., Toliyat, H. A. and Li, X. (2005). Condition monitoring and fault 58(7): 22532263.
diagnosis of electrical motors - A review, IEEE Transactions on Energy
Conversion 20(4): 719729. Samanta, B. and Nataraj, C. (2009). Use of particle swarm optimization for
machinery fault detection, Engineering Applications of Articial
Nemec, M., Drobnic, K., Nedeljkovic, D., Fiser, R. and Ambrozic, V. Intelligence 22(2): 308316.
(2010). Detection of broken bars in induction motor through the analysis of
supply voltage modulation, IEEE Transactions on Industrial Electronics Su, H. and Chong, K. T. (2007). Induction machine condition monitoring
57(8): 28792888. using neural network modeling, IEEE Transactions on Industrial
Electronics 54(1): 241249.
Onel, I. Y., Ayiek, E. and Senol, I. (2009). An experimental study, about
detection of bearing defects in inverter fed small induction motors by Suetake, M., Da Silva, I. N. and Goedtel, A. (2010). Sistema fuzzy
Concordia transform, Journal of Intelligent Manufacturing 20(2): 243247. compacto embarcado em DSP e sua aplicao para controle V/F de
motores de induo, Controle & Automaco 21(3): 245259.
Ong, R., Dymond, J. and Findlay, R. (2000). Bearing damage analysis in a
large oil-ring-lubricated induction machine, IEEE Transactions on Tallam, R. M., Habetler, T. G. and Harley, R. G. (2003). Stator winding
Industrial Electronics 47(5): 10851091. turn-fault detection for closed-lop induction motor drives, IEEE
Transactions on Industry Applications 39(3): 720724.
Pawlak, M. and Kowalski, C. (2010). Low-cost embedded system for the
IM fault detection using neural networks, Proc. The XIX International Tallam, R. M., Lee, S. B., Stone, G. C., Kliman, G. B., Yo, J., Habetler, T.
Conference on Electrical Machines (ICEM 2010), pp. 15. G. and Harley, R. G. (2007). A survey of methods for detection of stator-
related faults in induction machines, IEEE Transactions on Industry
Pezzani, C. M., Donolo, P. D., Castellino, A. M., Bossio, G. R. and De Applications 43(4): 920933.
Angelo, C. H. (2010). A new approach to the Parks vector for broken bars
and load oscillation diagnosis on IM, Proc. IEEE International Conference Tan, W. W. and Huo, H. (2005). A generic neurofuzzy model-based
on Industrial Technology (ICIT), pp. 12211226. approach for detecting faults in induction motors, IEEE Transactions on
Industrial Electronics 52(5): 14201427.
Pires, D. F., Pires, V. F., Martins, J. F. and Pires, A. J. (2009). Rotor cage
fault diagnosis in threephase induction motors based on a current and Thomson, W. T. and Fenger, M. (2001). Current signature analysis to detect
virtual ux approach, Energy Conversion and Management 50(4): 1026 induction motor faults, IEEE Industry Applications Magazine 7(4): 2634.
1032.
Tran, V., Yang, B., Oh, M. and Tan, A. (2009). Fault diagnosis of induction
Puche-Panadero, R., Pineda-Sanchez, M., Riera-Guasp, M., Roger-Folch, motor based on decision trees and adaptive neuro-fuzzy inference, Expert
J., Hurtado-Perez, E. and PerezCruz, J. (2009). Improved resolution of the Systems with Applications 36(2): 18401849.
MCSA method via Hilbert transform, enabling the diagnosis of rotor
asymmetries at very low slip, IEEE Transactions on Energy Conversion Uddin, M. N., Wang, W. and Huang, Z. R. (2010). Modeling and
24(1): 5259. minimization of speed ripple of a faulty induction motor with broken rotor
bars, IEEE Transactions on Industry Applications 46(6): 2243 2250.
Radhika, S., Sabareesh, G., Jagadanand, G. and Sugumaran, V. (2010).
Precise wavelet for current signature in 3/IM, Expert Systems with Vas, P. (1993). Parameter Estimation, Condition Monitoring and Diagnosis
Applications 37(1): 450455. of Electrical Machines, Clarendon Press, Oxford University Press, Oxford.

Razik, H., Correa, M. B. A. D. R. and da Silva, E. R. C. (2009). A novel Vas, P. (1999). Articial-Intelligent-Based Electrical Machines and Drives:
monitoring of load level and broken bar fault severity applied to squirrel- Application of Fuzzy, Neural, Fuzzy-Neural and Genetic-Algorithm-Based
cage induction motors using a genetic algorithm, IEEE Transactions on Techniques, Oxford University Press, New York.
Industrial Electronics 56(11): 46154626.
Wolbank, T. M., Nussbaumer, P., Chen, H. and Macheiner, P. E. (2011).
Monitoring of rotor-bar defects in inverter-fed induction machines at zero
load and speed, IEEE Transactions on Industrial Electronics 58(5): 1468
1478.

Wu, S. and Chow, T. (2004). Induction machine fault detection using


SOM-based RBF neural networks, IEEE Transactions on Industrial
Electronics 51(1): 183194.

Xu, Z., Xuan, J., Shi, T., Wu, B. and Hu, Y. (2009). A novel fault diagnosis
method of bearing based on improved fuzzy ARTMAP and modied
distance discriminant technique, Expert Systems with Applications 36(9):
1180111807.

Yan, J., Lu, L., Zhao, D. and Wang, G. (2010). Diagnosis of bearing
incipient faults using fuzzy logic based methodology, Proc. Seventh
International Conference on Fuzzy Systems and Knowledge Discovery, pp.
12291233.

Yang, D.-M. (2010). The application of articial neural networks to the


diagnosis of induction motor bearing condition using Hilbert-based
bispectral analysis, Proc. 5th IEEE Conference on Industrial Electronics
and Applications, number 2, pp. 17301735

Zadeh, L. (1965). Fuzzy sets, Information and Control 8(3): 338353.

Zhang, L., Xiong, G., Liu, H., Zou, H. and Guo, W. (2010). Bearing fault
diagnosis using multi-scale entropy and adaptive neuro-fuzzy inference,
Expert Systems with Applications 37(8): 60776085.

Zidani, F., Diallo, D., Benbouzid, M. E. H. and NaitSaid, R. (2008). A


fuzzy-based approach for the diagnosis of fault modes in a voltage-fed
PWM inverter induction motor drive, IEEE Transactions on Industrial
Electronics 55(2): 586593.

Zidani, F., El Hachemi Benbouzid, M., Diallo, D. and Nait-Said, M.


(2003). Induction motor stator faults diagnosis by a current concordia
patternbased fuzzy decision system, IEEE Transactions on Energy
Conversion 18(4): 469475.

Zouzou, S., Laala, W., Guedidi, S. and Sahraoui, M. (2009). A fuzzy logic
approach for the diagnosis of rotor faults in squirrel cage induction motors,
Proc. Second International Conference on Computer and Electrical
Engineering (ICCEE09)), pp. 173177.