Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/5302
Título: Aplicação da rede neural convolucional para a extração de características e classificação de falhas no motor de indução trifásico
Título(s) alternativo(s): Convolutional neural network application for fault extraction and classification in three-phase induction motor
Autor(es): Nogueira, Eduardo de Andrade
Orientador(es): Goedtel, Alessandro
Palavras-chave: Motores elétricos de indução
Convoluções (Matemática)
Redes neurais (Computação)
Localização de falhas (Engenharia)
Electric motors, Induction
Convolutions (Mathematics)
Neural networks (Computer science)
Fault location (Engineering)
Data do documento: 14-Abr-2020
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Cornelio Procopio
Citação: NOGUEIRA, Eduardo de Andrade. Aplicação da rede neural convolucional para a extração de características e classificação de falhas no motor de indução trifásico. 2020. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020.
Resumo: O Motor de Indução Trifásico é o principal elemento de conversão eletromecânica de energia na indústria. Assim devido ao desgaste e a problemas de qualidade de energia este motor pode apresentar falhas e assim levar a parada inesperada nos processos industriais. Este trabalho apresenta uma metodologia alternativa para a extração de características de falhas dos sinais de tensão e corrente das três fases de alimentação do motor de indução trifásico utilizando a rede neural convolucional. Os dados utilizados neste trabalho são provenientes de ensaios experimentais em laboratório, onde as falhas foram introduzidas artificialmente no motor. Estes testes foram realizados com os dados com as taxas amostrais de 15ksps, 7,5ksps, 3ksps e 1,5ksps, utilizando quatro classificadores de padrão, a saber: Perceptron MultiCamadas, Naive Bayes, Máquina de Vetor de Suporte e K-Próximos Vizinhos. Os resultados obtidos demonstram que a estratégia proposta nesta dissertação mostrou-se viável para a classificação de falhas no motor de indução trifásico.
Abstract: The three-phase induction motor is the main element of electromechanical energy conversion in the industry. Thus, due to wear and power quality problems, this engine may fail and thus lead to an unexpected stop in industrial processes. This work presents an alternative methodology for the extraction of fault characteristics from the voltage and current signals of the three phase phases of the three-phase induction motor using the convolutional neural network. The data used in this work come from experimental tests in the laboratory, where the faults were artificially introduced in the motor. These tests were performed with data with sample rates of 15ksps, 7.5ksps, 3ksps and 1.5ksps, using four standard classifiers, namely: Perceptron Multi-Layer, Naive Bayes, Support Vector Machine and K-Nearest Neighbors. The results obtained demonstrate that the strategy proposed proved to be viable for the classification of failures in the three-phase induction motor.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/5302
Aparece nas coleções:CP - Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CP_PPGEE_M_Nogueira,_Eduardo_de_Andrade_2020.pdf6 MBAdobe PDFThumbnail
Visualizar/Abrir


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