Ver registro no DEDALUS
Exportar registro bibliográfico

Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas (2017)

  • Authors:
  • USP affiliated authors: LIBONI, LUISA HELENA BARTOCCI - EESC
  • USP Schools: EESC
  • Subjects: APRENDIZADO COMPUTACIONAL; FALHA; REDES NEURAIS; MOTORES DE INDUÇÃO
  • Keywords: Support Vector Machines; Decomposição ortogonal; Extração de características; Fault diagnosis; Feature extraction; Induction machine; Machine learning; Neural networks; Orthogonal decomposition; Support vector machines
  • Language: Português
  • Abstract: O objetivo principal desta tese consiste no desenvolvimento de ferramentas matemáticas e computacionais dedicadas a um sistema de diagnóstico de barras quebradas no rotor de Motores de Indução Trifásicos. O sistema proposto é baseado em um método matemático de decomposição de sinais elétricos, denominado de Decomposição em Componentes Ortogonais, e ferramentas de aprendizagem de máquinas. Como uma das principais contribuições desta pesquisa, realizou-se um aprofundamento do entendimento da técnica de Decomposição em Componentes Ortogonais e de sua aplicabilidade como ferramenta de processamento de sinais para sistemas elétricos e eletromecânicos. Redes Neurais Artificiais e Support Vector Machines, tanto para classificação multi-classes quanto para detecção de novidades, foram configurados para receber índices advindos do processamento de sinais elétricos de motores, e a partir deles, identificar os padrões normais e os padrões com falhas. Além disso, a severidade da falha também é diagnosticada, a qual é representada pelo número de barras quebradas no rotor. Para a avaliação da metodologia, considerou-se o acionamento de motores de indução pela tensão de alimentação da rede e por inversores de frequência, operando sob diversas condições de torque de carga. Os resultados alcançados demonstram a eficácia das ferramentas matemáticas e computacionais desenvolvidas para o sistema de diagnóstico, sendo que os índices criados se mostraram altamente correlacionados com o fenômeno da falha. Mais especificamente, foi possível criar índices monotônicos com a severidade da falha e com baixa variabilidade, demonstrando-se que as ferramentas são eficientes extratores de características
  • Imprenta:
  • Data da defesa: 05.06.2017
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    EESC31100209583TESE 9776
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      LIBONI, Luisa Helena Bartocci; SILVA, Ivan Nunes da. Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas. 2017.Universidade de São Paulo, São Carlos, 2017. Disponível em: < http://www.teses.usp.br/teses/disponiveis/18/18153/tde-30062017-091155/ >.
    • APA

      Liboni, L. H. B., & Silva, I. N. da. (2017). Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-30062017-091155/
    • NLM

      Liboni LHB, Silva IN da. Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-30062017-091155/
    • Vancouver

      Liboni LHB, Silva IN da. Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-30062017-091155/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: