A MANUTENÇÃO PREDITIVA NA ANÁLISE DE AVARIAS EM ROLAMENTOS, UTILIZANDO ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL
Os motores de indução trifásicos são utilizados em larga escala, onde sabe-se que a manutenção destas máquinas é preponderante para a continuidade de processos industriais. Pesquisas recentes apontam, que as avarias nos rolamentos são recorrentes e que se torna necessário desenvolver técnicas para análise, previsão e diagnóstico destas avarias. Neste contexto, este trabalho calcula as transformadas wavelet de Daubechies e Hilbert-Huang dos sinais de corrente de um motor de indução trifásico, quer para a condição normal de funcionamento e quer com avarias. Em seguida, utilizam-se ferramentas estatísticas para extrair as características dos sinais transformados, tendo como finalidade a criação de uma base de dados para analisar e diagnosticar avarias, com auxílio de algoritmos da inteligência artificial. Os resultados apontam que é possível classificar avarias em rolamentos, utilizando a proposta desenvolvida neste trabalho, com um desempenho superior a 98%.
A MANUTENÇÃO PREDITIVA NA ANÁLISE DE AVARIAS EM ROLAMENTOS, UTILIZANDO ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL
-
DOI: https://doi.org/10.22533/at.ed.6062122071
-
Palavras-chave: Motor de indução trifásico, identificação de falhas em rolamentos, transformadas no domínio tempo-frequência, inteligência artificial.
-
Keywords: Three-phase Induction Motor, Bearing Failures Identification, Time-frequency Transforms, Artificial Intelligence.
-
Abstract:
Three-phase induction motors are used on a large scale, where it is known that the maintenance of these machines is preponderant for the continuity of industrial processes. Recent research shows that bearing failures are recurrent and it is necessary to develop techniques for analyzing, predicting and diagnosing these failures. In this context, this work calculates the Daubechies wavelets and Hilbert-Huang transforms of the current signals of a three-phase induction motor both in normal condition and with failures. Then, statistical tools are used to extract characteristics from the transformed signals, with the purpose of creating a database to analyze and diagnose malfunctions, with artificial intelligence algorithms. Results show that it is possible to classify failures in bearings, using the proposal developed in this work, with a performance higher than 98 %.
-
Número de páginas: 15
- André da Silva Barcelos
- Antonio J. Marques Cardoso
- Fábio Muniz Mazzoni
