Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/5443
Título: Aplicação de transformada wavelet e análise de componentes principais robusta em sinais acústicos para detecção de falhas de curto circuito de estator
Título(s) alternativo(s): Application of transformad wavelet and robust principal component analysis in acoustic signals to for detection of stator circuit failures
Autor(es): Cinel, Murilo Monteiro
Orientador(es): Scalassara, Paulo Rogerio
Palavras-chave: Processamento de sinais
Motores elétricos de indução
Localização de falhas (Engenharia)
Signal processing
Electric motors, Induction
Fault location (Engineering)
Data do documento: 4-Jun-2020
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Cornelio Procopio
Citação: CINEL, Murilo Monteiro. Aplicação de transformada wavelet e análise de componentes principais robusta em sinais acústicos para detecção de falhas de curto circuito de estator. 2020. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020.
Resumo: Técnicas de processamento de sinais aplicadas no reconhecimento de padrões e diagnóstico de falhas colaboram para evitar a manutenção não planejada e parada no processo produtivo. Os motores de indução trifásicos são amplamente utilizados e expostos a diversas situações operacionais indesejáveis que podem ocasionar falhas. Para evitar paradas não planejadas na indústria, diversas técnicas de previsão e monitoramento de falhas foram criadas. Este trabalho propõe uma metodologia de processamento digital de sinais aplicada em dados de emissão acústica do funcionamento de um motor capaz de classificar falhas de curto-circuito no estator. O método é baseado na aplicação do algoritmo de análise da componente principal robusta em sinais de áudio. Para possibilitar esta ação, o sinal é decomposto pela transformada wavelet a fim de obter características de diferentes faixas de frequência dos sinais e então obtêm-se os atributos que representam o sinal em análise. Para validação do estudo propõe-se a classificação das falhas de estator utilizando a técnica de máquinas de vetores de suporte, com a qual se atingiu mais de 99% de acerto.
Abstract: Signal processing techniques applied to pattern recognition and fault diagnosis collaborate to avoid unplanned maintenance in the production process. Three-phase induction motors are widely used and exposed to various undesirable operational situations that can cause failures. In order to avoid unplanned downtime, several failure detection and monitoring techniques were created. This work proposes a methodology for digital signal processing applied to acoustic emission signals from the operation of a motor capable of classifying stator short-circuit failures. The method is based on the application of the robust principal component analysis algorithm in audio signals. The signal is decomposed by the wavelet transform in order to obtain characteristics of different frequency ranges. Then calculates the attributes that represent the signal under analysis. For validation of the study, the classification of stator failures is proposed using a support vector machine that reached more than 99 % of correct calassifications.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/5443
Aparece nas coleções:CP - Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CP_PPGEE_M_Cinel,Murilo_Monteiro_2020.pdf2,57 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.