Logo do repositório
  • English
  • Español
  • Português do Brasil
  • Entrar
    Esqueceu sua senha?
Logo do repositório Repositório Institucional EESC
  • Comunidades e Coleções
  • Tudo no DSpace
  • English
  • Español
  • Português do Brasil
  • Entrar
    Esqueceu sua senha?
  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Liboni, Luisa Helena Bartocci"

Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Nenhuma Miniatura disponível
    Item
    Diagnóstico de falhas em motores de indução trifásicos baseado em decomposição em componentes ortogonais e aprendizagem de máquinas
    (2017-07-13) Liboni, Luisa Helena Bartocci
    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.

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Enviar uma Sugestão