Exportação concluída — 

Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: LEITE, Valéria Cristina Maria Nascimento
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Programa de Pós-Graduação: Doutorado - Engenharia Elétrica
Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
País: Não Informado pela instituição
Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/726
Resumo: Rolamentos são elementos de máquinas amplamente utilizados em aplicações aeroespaciais e industriais para apoiar o eixo de rotação, reduzindo o atrito mecânico e o aquecimento. Esses componentes estão sujeitos a vários tipos de falhas que podem ser classificadas em: falhas um único ponto ou localizadas e falhas distribuídas. Uma maneira comum de detectar avarias localizadas no rolamento é através da análise e identificação das chamadas frequências características do rolamento. Neste trabalho, a análise do espectro do envelope quadrático baseado em curtose espectral será utilizada para identificar essas frequências. A fim de avaliar o desempenho da metodologia aplicada, testes experimentais foram realizados considerando rolamentos com falhas localizadas na pista externa. Neste contexto, este trabalho explora o conceito de manutenção baseada na condição (CBM) ou manutenção preditiva através do monitoramento e processamento dos sinais de vibração e corrente elétrica, gerados por um motor de indução trifásico, no qual os rolamentos em estudo foram instalados. O processamento desses sinais, baseado em estatísticas de ordem superior e na análise espectral do envelope quadrático, tem por objetivo detectar a falha, indicar sua localização e sua severidade. Dessa forma, o trabalho introduz uma nova abordagem para detecção de falhas em rolamentos com desempenho superior às técnicas tradicionais. O trabalho emprega ainda diferentes algoritmos para o cálculo da curtose espectral. Por fim, seguindo essa linha de estudo, são apresentadas propostas de trabalhos futuros incluindo a utilização da curtose espectral para o monitoramento da condição de transformadores de potência, através da estimativa de umidade no óleo isolante.
id UFEI_16280fe033cf27a4c492046f7cdebb35
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/726
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str
spelling 2016-03-042017-04-13T18:02:46Z2017-04-13T18:02:46ZLEITE, Valéria Cristina Maria Nascimento. Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas. 2016. 139 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2016.https://repositorio.unifei.edu.br/jspui/handle/123456789/726Rolamentos são elementos de máquinas amplamente utilizados em aplicações aeroespaciais e industriais para apoiar o eixo de rotação, reduzindo o atrito mecânico e o aquecimento. Esses componentes estão sujeitos a vários tipos de falhas que podem ser classificadas em: falhas um único ponto ou localizadas e falhas distribuídas. Uma maneira comum de detectar avarias localizadas no rolamento é através da análise e identificação das chamadas frequências características do rolamento. Neste trabalho, a análise do espectro do envelope quadrático baseado em curtose espectral será utilizada para identificar essas frequências. A fim de avaliar o desempenho da metodologia aplicada, testes experimentais foram realizados considerando rolamentos com falhas localizadas na pista externa. Neste contexto, este trabalho explora o conceito de manutenção baseada na condição (CBM) ou manutenção preditiva através do monitoramento e processamento dos sinais de vibração e corrente elétrica, gerados por um motor de indução trifásico, no qual os rolamentos em estudo foram instalados. O processamento desses sinais, baseado em estatísticas de ordem superior e na análise espectral do envelope quadrático, tem por objetivo detectar a falha, indicar sua localização e sua severidade. Dessa forma, o trabalho introduz uma nova abordagem para detecção de falhas em rolamentos com desempenho superior às técnicas tradicionais. O trabalho emprega ainda diferentes algoritmos para o cálculo da curtose espectral. Por fim, seguindo essa linha de estudo, são apresentadas propostas de trabalhos futuros incluindo a utilização da curtose espectral para o monitoramento da condição de transformadores de potência, através da estimativa de umidade no óleo isolante.Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisItajubáUniversidade Federal de Itajubá139 p.RolamentosDetecção de falhasCurtose espectralAnálise de envelope quadráticoAnálise espectralAnálise de sinais não estacionáriosBall bearingsFault detectionSpectral kurtosisSquared envelope analysisSpectral analysisVibration signal analysisElectrical current signal analysisSILVA, Luiz Eduardo Borges daVELOSO, Giscard Francimeire CintraEngenharia ElétricaAutomação e Sistemas Elétricos IndustriaisLEITE, Valéria Cristina Maria NascimentoPrograma de Pós-Graduação: Doutorado - Engenharia ElétricaIESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informaçãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALtese_leite_2016.pdftese_leite_2016.pdfapplication/pdf73546803https://repositorio.unifei.edu.br/jspui/bitstream/123456789/726/1/tese_leite_2016.pdfc7ce0327a14e7f33e0730859c4616b94MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/726/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/7262024-03-11 15:37:06.561oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442025-08-26T21:12:21.694208Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
title Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
spellingShingle Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
LEITE, Valéria Cristina Maria Nascimento
title_short Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
title_full Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
title_fullStr Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
title_full_unstemmed Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
title_sort Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
author LEITE, Valéria Cristina Maria Nascimento
author_facet LEITE, Valéria Cristina Maria Nascimento
author_role author
dc.contributor.author.fl_str_mv LEITE, Valéria Cristina Maria Nascimento
description Rolamentos são elementos de máquinas amplamente utilizados em aplicações aeroespaciais e industriais para apoiar o eixo de rotação, reduzindo o atrito mecânico e o aquecimento. Esses componentes estão sujeitos a vários tipos de falhas que podem ser classificadas em: falhas um único ponto ou localizadas e falhas distribuídas. Uma maneira comum de detectar avarias localizadas no rolamento é através da análise e identificação das chamadas frequências características do rolamento. Neste trabalho, a análise do espectro do envelope quadrático baseado em curtose espectral será utilizada para identificar essas frequências. A fim de avaliar o desempenho da metodologia aplicada, testes experimentais foram realizados considerando rolamentos com falhas localizadas na pista externa. Neste contexto, este trabalho explora o conceito de manutenção baseada na condição (CBM) ou manutenção preditiva através do monitoramento e processamento dos sinais de vibração e corrente elétrica, gerados por um motor de indução trifásico, no qual os rolamentos em estudo foram instalados. O processamento desses sinais, baseado em estatísticas de ordem superior e na análise espectral do envelope quadrático, tem por objetivo detectar a falha, indicar sua localização e sua severidade. Dessa forma, o trabalho introduz uma nova abordagem para detecção de falhas em rolamentos com desempenho superior às técnicas tradicionais. O trabalho emprega ainda diferentes algoritmos para o cálculo da curtose espectral. Por fim, seguindo essa linha de estudo, são apresentadas propostas de trabalhos futuros incluindo a utilização da curtose espectral para o monitoramento da condição de transformadores de potência, através da estimativa de umidade no óleo isolante.
publishDate 2016
dc.date.issued.fl_str_mv 2016-03-04
dc.date.available.fl_str_mv 2017-04-13T18:02:46Z
dc.date.accessioned.fl_str_mv 2017-04-13T18:02:46Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LEITE, Valéria Cristina Maria Nascimento. Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas. 2016. 139 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/726
identifier_str_mv LEITE, Valéria Cristina Maria Nascimento. Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas. 2016. 139 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2016.
url https://repositorio.unifei.edu.br/jspui/handle/123456789/726
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Doutorado - Engenharia Elétrica
dc.publisher.department.fl_str_mv IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/726/1/tese_leite_2016.pdf
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/726/2/license.txt
bitstream.checksum.fl_str_mv c7ce0327a14e7f33e0730859c4616b94
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1854751270459408384