Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Santos, Herman Lucas dos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Análise espectral
Motores elétricos de indução
Motores elétricos
Spectrum analysis
Electric motors, Induction
Electric motors
CNPQ::ENGENHARIAS
Engenharia Elétrica
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5178
Resumo: This work presents an approach using two acoustic emission sensors and machine learning methods to detect and classify faults in line-fed three-phase induction motors operating in steady state and subject to different shaft loads. An investigation is performed on frequency characteristics of acoustic emission and vibration signals of three kinds of faults: broken rotor bars, damaged outer race bearing and stator windings short-circuit. The method is based in frequency peaks and correlations between the microphones signals. The data are analyzed for each of the mechanical configurations and compared to the healthy situation. The results show the features behavior by means of Kohonen Self Organizing Maps and the classification is done by a combination of Support Vector Machines with accuracy rates over 99.9 %.
id UTFPR-12_46e6abf28baeabaa05f8115eb253fb08
oai_identifier_str oai:repositorio.utfpr.edu.br:1/5178
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricasAcoustic emission processing applied to electric machines fault detectionAnálise espectralMotores elétricos de induçãoMotores elétricosSpectrum analysisElectric motors, InductionElectric motorsCNPQ::ENGENHARIASEngenharia ElétricaThis work presents an approach using two acoustic emission sensors and machine learning methods to detect and classify faults in line-fed three-phase induction motors operating in steady state and subject to different shaft loads. An investigation is performed on frequency characteristics of acoustic emission and vibration signals of three kinds of faults: broken rotor bars, damaged outer race bearing and stator windings short-circuit. The method is based in frequency peaks and correlations between the microphones signals. The data are analyzed for each of the mechanical configurations and compared to the healthy situation. The results show the features behavior by means of Kohonen Self Organizing Maps and the classification is done by a combination of Support Vector Machines with accuracy rates over 99.9 %.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Este trabalho apresenta uma abordagem que utiliza dois sensores de emissão acústica e métodos de aprendizagem de máquina para detectar e classificar falhas em motores de indução trifásicos com alimentação direta operando em regime permanente e com diferentes cargas em seu eixo. É feita uma investigação nas características de frequência da emissão acústica e vibração das falhas de barra de rotor quebradas, dano em pista externa de rolamento e curto circuito em enrolamentos de estator. O método é baseado em picos de frequência e correlações entre os sinais dos microfones. Os dados são analisados em cada configuração de estado mecânico e comparado com a situação do motor em condição normal. Os resultados mostram o comportamento das características através de Mapas Auto-Organizáveis de Kohonen e a classificação é feita por uma combinação de Máquinas de Vetores de Suporte com taxas de acerto acima de 99.9 %.Universidade Tecnológica Federal do ParanáCornelio ProcopioBrasilPrograma de Pós-Graduação em Engenharia ElétricaUTFPRScalassara, Paulo Rogériohttp://lattes.cnpq.br/5016119298122922Scalassara, Paulo Rogériohttp://lattes.cnpq.br/5016119298122922Pinheiro, Alan Petrôniohttp://lattes.cnpq.br/3149272924238565Endo, Wagnerhttp://lattes.cnpq.br/5229173673499346Castoldi, Marcelo Favorettohttp://lattes.cnpq.br/6178029384175205Santos, Herman Lucas dos2020-09-08T01:46:25Z2020-09-08T01:46:25Z2019-03-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSANTOS, Herman Lucas dos. Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas. 2019. 46 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.http://repositorio.utfpr.edu.br/jspui/handle/1/5178porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2020-09-17T06:01:07Zoai:repositorio.utfpr.edu.br:1/5178Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2020-09-17T06:01:07Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
Acoustic emission processing applied to electric machines fault detection
title Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
spellingShingle Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
Santos, Herman Lucas dos
Análise espectral
Motores elétricos de indução
Motores elétricos
Spectrum analysis
Electric motors, Induction
Electric motors
CNPQ::ENGENHARIAS
Engenharia Elétrica
title_short Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
title_full Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
title_fullStr Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
title_full_unstemmed Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
title_sort Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas
author Santos, Herman Lucas dos
author_facet Santos, Herman Lucas dos
author_role author
dc.contributor.none.fl_str_mv Scalassara, Paulo Rogério
http://lattes.cnpq.br/5016119298122922
Scalassara, Paulo Rogério
http://lattes.cnpq.br/5016119298122922
Pinheiro, Alan Petrônio
http://lattes.cnpq.br/3149272924238565
Endo, Wagner
http://lattes.cnpq.br/5229173673499346
Castoldi, Marcelo Favoretto
http://lattes.cnpq.br/6178029384175205
dc.contributor.author.fl_str_mv Santos, Herman Lucas dos
dc.subject.por.fl_str_mv Análise espectral
Motores elétricos de indução
Motores elétricos
Spectrum analysis
Electric motors, Induction
Electric motors
CNPQ::ENGENHARIAS
Engenharia Elétrica
topic Análise espectral
Motores elétricos de indução
Motores elétricos
Spectrum analysis
Electric motors, Induction
Electric motors
CNPQ::ENGENHARIAS
Engenharia Elétrica
description This work presents an approach using two acoustic emission sensors and machine learning methods to detect and classify faults in line-fed three-phase induction motors operating in steady state and subject to different shaft loads. An investigation is performed on frequency characteristics of acoustic emission and vibration signals of three kinds of faults: broken rotor bars, damaged outer race bearing and stator windings short-circuit. The method is based in frequency peaks and correlations between the microphones signals. The data are analyzed for each of the mechanical configurations and compared to the healthy situation. The results show the features behavior by means of Kohonen Self Organizing Maps and the classification is done by a combination of Support Vector Machines with accuracy rates over 99.9 %.
publishDate 2019
dc.date.none.fl_str_mv 2019-03-11
2020-09-08T01:46:25Z
2020-09-08T01:46:25Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SANTOS, Herman Lucas dos. Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas. 2019. 46 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.
http://repositorio.utfpr.edu.br/jspui/handle/1/5178
identifier_str_mv SANTOS, Herman Lucas dos. Processamento de emissões acústicas aplicado a detecção de falhas em máquinas elétricas. 2019. 46 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.
url http://repositorio.utfpr.edu.br/jspui/handle/1/5178
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv riut@utfpr.edu.br || sibi@utfpr.edu.br
_version_ 1850498281910566912

Registros relacionados