Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39503| Título: | Development of electromagnetic models of induction motors with broken rotor bars |
| Título(s) alternativo(s): | Desenvolvimento de modelos eletromagnéticos de motores de indução com barras do rotor quebradas |
| Autor(es): | Nascimento, Cecilia Pagnozzi do |
| Orientador(es): | Bazzo, Thiago de Paula Machado |
| Palavras-chave: | Localização de falhas (Engenharia) Motores elétricos de indução Método dos elementos finitos Aprendizado do computador Processamento de sinais Simulação (Computadores) Fault location (Engineering) Electric motors, Induction Finite element method Machine learning Signal processing Computer simulation |
| Data do documento: | 10-Dez-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | NASCIMENTO, Cecilia Pagnozzi do. Development of electromagnetic models of induction motors with broken rotor bars. 2026. Dissertação (Mestrado em Sistemas de Energia) - Universidade Tecnológica Federal do Paraná, Curitiba, 2025. |
| Resumo: | Essa pesquisa apresenta o desenvolvimento de modelos eletromagnéticos de motores de indução com barras quebradas no rotor para a extração de assinaturas de falha. Apesar dos motores de indução serem robustos, eles também são susceptíveis a defeitos. A barra quebrada do rotor é um defeito severo que ocorre devido ao estresse mecânico e térmico. Se negligenciada, ela pode levar à falha total do motor. Por isso, está se popularizando o uso do monitoramento contínuo de condições atrelado com métodos de machine learning para prevenção da progressão de defeitos em um motor de indução. Um ponto negativo é que esses métodos exigem uma etapa de treinamento para a classificação dos defeitos. Normalmente, essa etapa exige um grande volume de dados contendo as assinaturas de falha. Esses tipos de dados são custosos quando obtidos de forma experimental. Portanto, este estudo apresenta uma alternativa simulando um motor de indução com três cenários de carga diferentes usando o método dos elementos finitos no software Ansys Maxwell. Para cada nível de carga, uma, duas e três barras foram quebradas no rotor. O sinal de corrente do estator foi selecionado para avaliar o comportamento do motor, já que a barra quebrada provoca o surgimento de componentes adicionais no sinal de corrente devido à distribuição assimétrica dessa corrente. O pósprocessamento dos sinais de corrente aplicou um método baseado na transformada rápida de Fourier para extração das assinaturas de falha. Primeiro, a transformada de Fourier foi aplicada para converter os sinais no domínio do tempo para o domínio da frequência. Em seguida, a identificação das componentes adicionais de corrente foi realizada por meio da informação da primeira derivada. Os modelos simulados para uma barra quebrada foram comparados à dados experimentais. Essa comparação mostrou uma boa convergência entre os valores de frequência para as componentes adicionais de corrente. A análise foi então expandida para incluir até três barras quebradas e ao todo mais de 70 atributos de falha foram obtidos com base nas amplitudes das componentes adicionais de corrente. Esses atributos de falha podem ser utilizados no futuro para a construção de um banco de dados sintético voltado para o treinamento de modelos de machine learning para o diagnóstico de falhas. |
| Abstract: | This research presents the development of electromagnetic models of induction motors with broken rotor bars for extracting fault signatures. Despite being robust, induction motors are also susceptible to defects. A broken rotor bar is a severe defect that occurs due to mechanical and thermal stress. If neglected, it can lead to the total failure of the motor. Thus, condition monitoring, combined with machine learning methods, is emerging as a means to prevent the progression of defects, such as broken rotor bars. The drawback is that these methods require a training stage for fault identification, and they usually involve large databases containing faulty features that are costly to obtain from real motor tests. Therefore, this study presents an alternative and simulates six different scenarios of an induction motor using the finite element method in Ansys Maxwell software. Three different load scenarios were defined, and up to three bars were broken. The stator-current signal was chosen to evaluate the motor’s behavior, as the broken rotor bar creates sideband components due to the asymmetric current distribution. The post-processing of the current signal applied a fast Fourier transform-based method for fault signature extraction. First, the signal is transformed from the time domain to the frequency domain. Then, the identification of the sideband components was made using the first derivative information. The simulated models for one broken bar were compared to experimental data. They showed good convergence in the frequencies of the sideband components. The analysis was expanded to include even three broken bars, and ultimately, more than 70 fault features were obtained based on the amplitude of the sideband components. These fault features can be later used to build a synthetic dataset for training machine learning methods for fault diagnosis. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39503 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Sistemas de Energia |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| motorsbrokenrotorbars.pdf | 4,71 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
