Estatística de Ordem Superior e Cicloestacionariedade no Diagnóstico Preditivo de Máquinas Elétricas.
| Ano de defesa: | 2016 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |