DETECÇÃO DE DEFEITOS EM ROLAMENTOS INDUSTRIAIS ATRAVÉS DE REDES NEURAIS ARTIFICIAIS E ANÁLISE DE VIBRAÇÃO
As falhas de rolamentos são muito comuns em vários segmentos industriais. Monitoração do seu funcionamento por meio de técnicas de preditivas é essencial para evitar que falhas inesperadas ocorram. Por isso, é possível aumentar a disponibilidade de equipamentos dentro da planta industrial. Um dos parâmetros de monitoramento mais relevantes para classificar o trabalho de condição do equipamento está em examinar como ele vibra. No entanto, os sinais de vibração de defeitos nos rolamentos são de natureza transitória, que não são bem analisadas por técnicas de análise convencionais. O objetivo deste trabalho é apresentar um estudo comparativo das técnicas de análise de envelope (tradicionalmente utilizado na indústria) e Redes Neurais Artificiais para a detecção de falhas em rolamentos demonstrando as vantagens e limitações. Defeitos foram inserido em rolamentos, montadas numa bancada didática, e os sinais foram coletados através do equipamento Microlog GX-75 SKF. As Redes Neurais foram treinadas e validadas no MatLab. Os resultados mostram o potencial e a viabilidade em que as Redes Neurais Artificias possam ser inseridas no programa de manutenção preditiva.
DETECÇÃO DE DEFEITOS EM ROLAMENTOS INDUSTRIAIS ATRAVÉS DE REDES NEURAIS ARTIFICIAIS E ANÁLISE DE VIBRAÇÃO
-
DOI: Atena
-
Palavras-chave: Defeitos e Rolamentos, Manutenção Preditiva, Análise de Envelope, Redes Neurais Artificiais.
-
Keywords: Bearings Defects, Predictive Maintenance, Envelope Analysis, Artificial Neural Networks.
-
Abstract:
The bearing failures are very common in various industrial segments. Monitoring the functioning status through predictive techniques is essential to prevent unexpected failures occur. So it is possible to increase the availability of equipment within the industrial plant. One of the most relevant monitoring parameters to rate the working condition of equipment is examining how it vibrates. However, the vibration signals from defects in rolling bearings are transient in nature, which are not well analyzed by conventional analysis techniques. The objective of this paper is to present a comparative study of the envelope analysis techniques (traditionally used in industry) and Artificial Neural Networks for the detection of bearing failures demonstrating that advantages and limitations. Defects was inserted into the bearings, mounted on a test bench, and the signals was collected through the Microlog GX-75 SKF. Neural networks was trained and validated on MatLab. The results show the potential and viability of Artificial Neural Networks, can be included in Predictive Maintenance programs.
-
Número de páginas: 15
- Luís Henrique Ferreira de Oliveira
