1. Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT)
  2. GRAD - Cursos de Graduação
  3. TCC - Trabalhos de Conclusão de Curso de Graduação
  4. Cornélio Procópio
  5. CP - Engenharia Elétrica
Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/27398
Registro completo de metadados
Campo DCValorIdioma
dc.creatorEvangelista, Jonathan José-
dc.date.accessioned2022-02-23T01:06:03Z-
dc.date.available2022-02-23T01:06:03Z-
dc.date.issued2019-06-24-
dc.identifier.citationEVANGELISTA, Jonathan José. Análise de falhas em rotor utilizando deep neural networks. 2019. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/27398-
dc.description.abstractMore than half of the total energy destined for the industrial sector is consumed by engines. Stopping production to correct motor system failures can generate some risks and also serious losses for a given company. Early determination of these faults can prevent unscheduled maintenance and a halt in the production process. Considering a three-phase induction motor and evaluating its electrical system, we can prevent some rotor-related faults, where this proposal of completion work exposes a study related to the diagnosis of rotor faults of an MIT, using current signals in the field of frequency, where the classification of failures will be made from Deep Neural Network.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectLocalização de falhas (Engenharia)pt_BR
dc.subjectRotorespt_BR
dc.subjectMotores elétricos de induçãopt_BR
dc.subjectFault location (Engineering)pt_BR
dc.subjectRotorspt_BR
dc.subjectElectric motors, Inductionpt_BR
dc.titleAnálise de falhas em rotor utilizando deep neural networkspt_BR
dc.typebachelorThesispt_BR
dc.description.resumoMais da metade da energia total destinada ao setor industrial é consumida por motores. Uma parada na produção para correção de falhas do sistema motriz pode gerar alguns riscos e também sérios prejuízos para uma determinada empresa. A determinação precoce dessas falhas pode evitar uma manutenção não-programada e uma parada no processo de produção. Considerando um motor de indução trifásica e avaliando seu sistema elétrico, podemos prevenir algumas falhas relacionadas ao rotor, onde esta proposta de trabalho de conclusão de curso expõe um estudo relacionado ao diagnóstico de falhas do rotor de um MIT, utilizando sinais de corrente no domínio da frequência, onde a classificação das falhas será feita a partir da Deep Neural Network.pt_BR
dc.degree.localCornélio Procópiopt_BR
dc.publisher.localCornelio Procopiopt_BR
dc.contributor.advisor1Godoy, Wagner Fontes-
dc.contributor.referee1Godoy, Wagner Fontes-
dc.contributor.referee2Finocchio, Marco Antonio Ferreira-
dc.contributor.referee3Paschoalino, Carlos Alberto-
dc.publisher.countryBrasilpt_BR
dc.publisher.programEngenharia Elétricapt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
Aparece nas coleções:CP - Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CP_COELT_2019_1_10.pdf733,19 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


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