Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/7188
Título: | Classificação de defeitos de barras quebradas de rotor em motores de indução trifásicos acionados por inversores de frequência utilizando transformada wavelet |
Autor(es): | Lima, Natan Takeo Noda |
Orientador(es): | Godoy, Wagner Fontes |
Palavras-chave: | Sistemas de controle inteligente Motores elétricos de indução Rotores Intelligent control systems Electric motors, Induction Rotors |
Data do documento: | 8-Jun-2018 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Cornelio Procopio |
Citação: | LIMA, Natan Takeo Noda. Classificação de defeitos de barras quebradas de rotor em motores de indução trifásicos acionados por inversores de frequência utilizando transformada wavelet. 2018. 47 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018. |
Resumo: | Devido ao importante papel desempenhado pelos motores de indução na indústria torna-se necessário o desenvolvimento de ferramentas preditivas que ofereçam suporte para o correto diagnóstico e a classificação de falhas ainda em fase inicial, permitindo aumento na produtividade e redução das perdas econômicas geradas por paradas indesejadas. Este trabalho apresenta um estudo relacionado as falhas de barras quebradas de rotor em motores de indução trifásicos acionados por diferentes inversores de frequência. Para o pré-processamento dos sinais de correntes utiliza-se a Transformada Wavelet Discreta, onde são aplicados diretamente os sinais das correntes de estator. Para o diagnóstico e a classificação do nível de severidade das falhas são utilizadas e comparadas duas técnicas distintas de aprendizado de máquina: (i) Árvores de Decisão e (ii) Random Forest. |
Abstract: | Due to the important role played by the induction motors in the industry it is necessary to develop predictive tools that offer support for the correct diagnosis and classification of failures still in the initial phase, allowing an increase in productivity and reducing of the economic losses generated by unwanted stops. This work presents a study related the failures of broken rotor bars in three-phase induction motors driven by different frequency inverters. For the pre-processing of the current signals using the Discrete Wavelet Transform, where they are applied directly to the signs of the stator currents. For the diagnosis and the classification of the severity level of faults are used and compared two different techniques of machine learning: (i) Decision Trees and (ii) Random Forest. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/7188 |
Aparece nas coleções: | CP - Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
CP_COELT_2018_1_18.pdf | 2,09 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.