Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/28763| Título: | Classificação de diferentes métodos de filtragem aplicados ao diagnóstico de falhas de estator em motores de indução trifásicos acionados por inversores de frequência |
| Autor(es): | Gonçalves, Gabriel Aoki |
| Orientador(es): | Godoy, Wagner Fontes |
| Palavras-chave: | Motores elétricos de indução Localização de falhas (Engenharia) Redes Neurais Artificiais Electric motors, Induction Fault location (Engineering) Neural networks (Computer science) |
| Data do documento: | 21-Out-2020 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | GONÇALVES, Gabriel Aoki. Classificação de diferentes métodos de filtragem aplicados ao diagnóstico de falhas de estator em motores de indução trifásicos acionados por inversores de frequência. 2020. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020. |
| Resumo: | Este trabalho de conclusão de curso propõe um estudo relacionado à comparação de desempenho de diferentes métodos de filtragem aplicados ao diagnóstico de falhas de estator em motores de indução trifásicos acionados por inversores de frequência. O trabalho propõe ainda o emprego dos seguintes métodos de filtragem (6) Kernel, (I) Análise de Componentes Principais, (iii) Wavelet. Na etapa de classificação serão utilizados os seguintes classificadores: Random Forest, Função de Base Radial (RBF Network) e k-Vizinhos mais próximos (k-NN). Foram realizadas as análises de cada um dos filtros dentro de cada um dos classificadores, para fim de uma melhor comparação de resultados e, consequentemente uma avaliação mais eficaz. |
| Abstract: | This course conclusion work proposes a study related to performance comparison of different filtering methods applied to the diagnosis of stator faults in three-phase induction motors driven by frequency inverters. The paper also proposes the use of the following filtering methods (i) Kernel, (ii) Principal Components Analysis, (I) Wavelet. In the classification stage the following classifiers will be used: Random Forest, Radial Basis Function (RBF Network) and k-Nearest Neighbors (k-NN). Analysis of each of the filters were carried out within each of the classifiers, in order to better compare results and, consequently, make a more effective assessment. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/28763 |
| Aparece nas coleções: | CP - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CP_COELT_2020_1_14.pdf | 955,06 kB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.