Dezembro 2021 vol. 8 num. 4 - VII Simpósio Internacional de Inovação e Tecnologia

Original Article - Open Access.

Idioma principal | Segundo idioma

MODELO COMPUTACIONAL PARA ANÁLISE DE CONDIÇÕES E MONITORAMENTO DE MOTORES ELÉTRICOS

COMPUTATIONAL MODEL FOR ELECTRICAL MOTORS CONDITION ANALYSIS AND MONITORING

Araújo, Álvaro Souza de ; Rocha, Oberdan Pinheiro ; Santos, Alex Álisson Bandeira ;

Original Article:

A manutenção preditiva utiliza de diversos métodos para acompanhamento das condições dos motores elétricos aplicados em plantas industriais. Dentre estes métodos, destaca-se a análise de vibração como método amplamente utilizado devido à possibilidade de identificação de uma vasta possibilidade de falhas. Este trabalho apresenta o desenvolvimento de um modelo computacional dotado de um algoritmo classificador para receber leituras de vibração de motores elétricos e determinar se a máquina apresenta um comportamento de falha e, em caso positivo, qual falha. Para que o algoritmo seja capaz de detectar o tipo de falha, será desenvolvido um dataset com leituras de diversos motores em variadas condições de falha para treinamento do modelo.

Original Article:

Predictive maintenance uses several methods to monitor the conditions of electric motors applied in industrial plants. Among these methods, vibration analysis stands out as a widely used method due to the possibility of identifying a wide chance of failures. This work presents the development of a computational model endowed with a classifying algorithm to receive vibration readings from electric motors and determine if the machine has a fault behavior and, if so, which fault. For the algorithm to detect the type of failure, a dataset with readings from several engines in different failure conditions should be developed for training the model.

Download (PDF)

Palavras-chave: Análise de vibração; Monitoramento baseado em condições; Extração de feature; Agente classificador,

Palavras-chave: Vibration analysis; Condition-based monitoring; Feature extraction; Classifier agent,

DOI: 10.5151/siintec2021-208446

Referências bibliográficas
  • [1] "1 RASCHKA, Sebastian. Python machine learning. Packt publishing ltd, 2015.
  • [2] 2 JAKKULA, Vikramaditya. Tutorial on support vector machine (svm). School of EECS, Washington State University, v. 37, 2006.
  • [3] 3 NOBLE, William S. What is a support vector machine?. Nature biotechnology, v. 24, n. 12, p. 1565-1567, 2006.
  • [4] 4 CHAPELLE, Olivier et al. Choosing multiple parameters for support vector machines. Machine learning, v. 46, n. 1, p. 131-159, 2002.
  • [5] 5 KUMAR, Anil; KUMAR, Rajesh. Time-frequency analysis and support vector machine in automatic detection of defect from vibration signal of centrifugal pump. Measurement, v. 108, p. 119-133, 2017.
  • [6] 6 CHANG, Chih-Chung; LIN, Chih-Jen. LIBSVM: a library for support vector machines. ACM transactions on intelligent systems and technology (TIST), v. 2, n. 3, p. 1-27, 2011.
  • [7] 7 JUNIOR, Ronny Francis Ribeiro; DE ALMEIDA, Fabricio Alves; GOMES, Guilherme Ferreira. Fault classification in three-phase motors based on vibration signal analysis and artificial neural networks. Neural Computing and Applications, v. 32, n. 18, p. 15171-15189, 2020.
  • [8] 8 HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Bookman, 2001.
  • [9] 9 FLECK, Leandro et al. Redes neurais artificiais: Princípios básicos. Revista Eletrônica Científica Inovação e Tecnologia, v. 1, n. 13, p. 47-57, 2016.
  • [10] 10 IMANDOUST, Sadegh Bafandeh; BOLANDRAFTAR, Mohammad. Application of k-nearest neighbor (knn) approach for predicting economic events: Theoretical background. International Journal of Engineering Research and Applications, v. 3, n. 5, p. 605-610, 2013.
  • [11] 11 FUKUNAGA, Keinosuke; NARENDRA, Patrenahalli M.. . A branch and bound algorithm for computing k-nearest neighbors. IEEE transactions on computers, v. 100, n. 7, p. 750-753, 1975.
  • [12] 12 DA SILVA, Luiz Eduardo Borges et al. Desenvolvimento de um Sistema de Detecção de Defeitos Precoces em Motores de Indução.
  • [13] 13 RIBEIRO, Felipe ML et al. Rotating machinery fault diagnosis using similarity-based models, 2017.
  • [14] 14 FRANK, Eibe et al. The WEKA Workbench. Online Appendix for ""Data Mining: Practical Machine Learning Tools and Techniques"", Morgan Kaufmann, Fourth Edition, 2016.
  • [15] "
Como citar:

Araújo, Álvaro Souza de; Rocha, Oberdan Pinheiro; Santos, Alex Álisson Bandeira; "MODELO COMPUTACIONAL PARA ANÁLISE DE CONDIÇÕES E MONITORAMENTO DE MOTORES ELÉTRICOS", p. 303-310 . In: VII International Symposium on Innovation and Technology. São Paulo: Blucher, 2021.
ISSN 2357-7592, DOI 10.5151/siintec2021-208446

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações