Escolar Documentos
Profissional Documentos
Cultura Documentos
Anteprojeto
por
São Luís
2020
Érico Fernando da Costa Vale
São Luís
2020
RESUMO
Este anteprojeto de mestrado tem como objetivo apresentar um projeto de pesquisa preliminar que
através redes neurais profundas treinadas a partir de sinais vibracionais simulados seja possível a
detecção de falhas em máquinas elétricas rotativas. A metodologia adotada no trabalho foi a
obtenção de modelos matemáticos, que permitam simular falhas elétricas além da condição
normal de funcionamento através da simulação computacional dos modelos e o desenvolvimento
de estratégias de detecção e diagnóstico dessas falhas. Justifica-se este estudo tanto do ponto de
vista prático quanto do ponto de vista teórico. Do ponto de vista prático, o monitoramento preditivo
permite detectar a falha o mais cedo possível, estabelecer parâmetros de funcionamento seguro
da máquina, detectar falhas de forma não invasiva, evitar a parada de máquinas e diminuir o
número de manutenções corretivas. Do ponto de vista teórico, esse estudo visa comprovar os
padrões de falhas em máquinas elétricas rotativas.
Palavras-chaves: Manutenção preditiva. Processamento digital. Redes Neurais Artificiais
Profundas. Máquinas elétricas rotativas.
ABSTRACT
This preliminary project aims to present a preliminary research project that through deep neural
networks trained from simulated vibrating signals, it is possible to detect failures in rotating
electrical machines. A methodology adopted in the work was used for mathematical models, which
allow simulations of electrical damage beyond the normal operating condition, through the
computational simulation of the models and the development of detection and diagnostic strategies
caused. This study is justified both from a practical and a theoretical point of view. From a practical
point of view, predictive monitoring allows you to detect a failure or, as soon as possible, the
parameters of safe operation of the machine, failures in a non-invasive way, avoid a stoppage of
machines and reduce the number of corrective maintenances. From a theoretical point of view, this
study aims to prove the failure patterns in rotating electrical machines.
Key-words: Predictive maintenance. Digital processing. Hybrid system. Induction machines.
Sumário
Anteprojeto de Mestrado.................................................................................................6
1.1 Introdução.......................................................................................................6
1.2 Justificativa......................................................................................................8
1.3 Objetivos.........................................................................................................8
1.3.1 Objetivo Geral......................................................................................8
1.3.2 Objetivos Específicos..........................................................................8
1.4 Metodologia……………………………………………………………………......9
1.5 Etapas.............................................................................................................9
Referências…………………………………………………………………………………………10
1. Anteprojeto de Mestrado
1.1 Introdução
Um dos métodos bem comuns na indústria é a análise do sinal de corrente de uma das
fases do motor, conhecida como Motor Current Signature Analysis (MCSA)[5].
Um dos problemas dessa técnica era que, até o presente momento, quando se falava em
MCSA logo se associava ao diagnóstico de barras quebradas e excentricidade do air gap. A
localização de problemas puramente mecânicos através do espectro de corrente ficava sempre
em segundo plano, principalmente o diagnóstico de problemas na carga acoplada. Tal fato limitava
a aplicação de MCSA no meio industrial.
Outra técnica é a análise de vibrações que é uma técnica de manutenção preditiva
consolidada no meio industrial e que apresenta bons resultados. Contudo, algumas características
inerentes a própria técnica clamaram pelo aparecimento de técnicas preditivas que pudessem
complementar o potencial de detecção de falhas da análise de vibração dando força para
aplicação de métodos inteligentes baseados em redes neurais. Apesar do êxito do uso de redes
neurais convencionais, para se obter ainda mais versatilidade e melhor performance, novas e mais
complexas técnicas de aprendizado profundo ganharam força nos projetos de pesquisa.
Em 2006, Hinton[7] propôs a teoria do aprendizado profundo. O aprendizado profundo é
projetado para simular o processo de aprendizado do cérebro, combinado com um grande número
de dados de treinamento para estudar as características dos dados. As redes neurais de
aprendizado profundo podem não apenas extrair recursos, mas também reconhecer estados
diferentes.
Seguindo essa tendência, esse trabalho através de uma metodologia de aprendizado
profundo ou deep learning proporá um modelo de detecção de falhas em máquinas rotativas que
vise otimizar a utilização dos mesmos, com diagnósticos mais rápidos e precisos.
1.2 Justificativa
Objetivos
Objetivo Geral
Objetivos Específicos
5) Estabelecer a melhor topologia de uma rede neural artificial profunda para diagnósticos
de falhas;
Metodologia
1.4 Etapas
Para o desenvolvimento da pesquisa apresentada neste anteprojeto, pretende-se
realizar as seguintes etapas:
2) Delimitação das amostras: após a aquisição dos dados será realizada a aplicação das
variáveis estatísticas e normalização dos dados;
3) Separação dos conjuntos e Treinamento: serão retiradas amostras para validação da
rede e outras para treinamento;
4) Proposta de uma rede neural de aprendizado profundo: ao final será proposta uma rede
neural profunda;
9) Defesa da dissertação.
Referências
% A3opreventivamanuten%C3%A7%C3%A3o-preditiva/;
[2] ALMEIDA, M.T.(a) Manutenção preditiva: Confiabilidade e qualidade. Artigo tirado da internet.
www.mtaev.com.br/download/mnt1.pdf - Escola Federal de Engenharia de Itajubá. Visitado em
15/12/17.
[4] HANITSCH, R., 2002, “Energy Efficient electric Motors,” in Proc. RIO 02 World Climate &
Energy Event, pp 6-11. Rio de Janeiro.
[5] Bonaldi, E. L.: “Manutenção Preditiva em Motores de Indução Trifásicos através do Espectro
de Corrente do Estator”, Dissertação de Mestrado, Escola Federal de Engenharia de Itajubá,
2002.
[6] Marcio T.Almeida e Ricardo D. Góz. “Análise de Vibrações”. Itajubá, FUPAI 2000.
[7] S. Sabour, N. Frosst, and G. E. Hinton, “Dynamic routing betweencapsules,” in Proc. Adv.
Neural Inf. Process. Syst., 2017, pp. 3859–3869.
[8] Zhang, Y.; Huang, S.; Hou, J.; Shen, T.; Liu, W. Continuous wavelet grey moment approach for
vibration analysis of rotating machinery. Mech. Syst. Signal Process. 2006, 20, 1202–1220.