Embedded System to Detect Bearing Faults in Line-Connected Induction Motors

Gongora, Wylliam Salviano; Goedtel, Alessandro; Castoldi, Marcelo Favoretto; Silva, Sérgio Augusto Oliveira da; Silva, Ivan Nunes da

doi:10.1109/icelmach.2018.8506865

Cited by 5 publications

(4 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em [Gongora et al 2018], uma RNA embarcada é desenvolvida para detectar falhas no rolamento através do sinal da corrente elétrica. Em [Eren et al 2018] os auto-res apresentam redes neurais convolucionais (CNN) compactas capazes de classificar falhas em rolamentos através de sinais de vibrac ¸ão, utilizando conjuntos de dados públicos (como o CWRU) para validar o trabalho.…”

Section: Revisão Da Bibliografiaunclassified

Processamento de Sinais de Vibração aplicado à Classificação de Falhas em Rolamentos

Campos

Nascimento²,

Dalprá³

et al. 2022

Anais Da X Escola Regional De Informática De Goiás (ERI-GO 2022)

View full text Add to dashboard Cite

Esse trabalho compara o desempenho de diversos algoritmos de classificação aplicados ao diagnóstico de falhas em rolamentos. Para a construção dos modelos, 13 descritores estatísticos foram extraídos dos sinais de vibração disponíveis no conjunto de dados Paderborn. Os modelos foram construídos no domínio do tempo e no domínio tempo-escala com a utilização da transformada wavelet, e foram aplicados os algoritmos k-NN, SVM e Árvore de Decisão. Os desempenhos dos modelos foram avaliados com base nas métricas de acurácia, precisão, sensibilidade, especificidade e F1-score. O resultado médio obtido em todas as configurações dos classificadores foi 98%.

show abstract

Section: Revisão Da Bibliografiaunclassified

Processamento de Sinais de Vibração aplicado à Classificação de Falhas em Rolamentos

Campos

Nascimento²,

Dalprá³

et al. 2022

Anais Da X Escola Regional De Informática De Goiás (ERI-GO 2022)

View full text Add to dashboard Cite

show abstract

“…This signal was analyzed through a combination of spectral kurtosis and Hilbert transform post-processing methods, therefore using the high-frequency content of the signal. In [100], a different technique for bearing diagnosis in DOL IMs is investigated, based on the voltage and current signals in the time domain; a neural network scheme is proven to be capable of identifying bearing failures by examining a half-cycle sampling of the IM supply voltages and stator currents. In [101], a new diagnostic technique for PMSMs is presented; it is based on a speed sensorless observer, which aims to acquire the rotor angle and speed.…”

Section: Rolling Bearingsmentioning

confidence: 99%

Novel Diagnostic Techniques for Rotating Electrical Machines—A Review

Frosini

2020

Energies

View full text Add to dashboard Cite

This paper aims to update the review of diagnostic techniques for rotating electrical machines of different type and size. Each of the main sections of the paper is focused on a specific component of the machine (stator and rotor windings, magnets, bearings, airgap, load and auxiliaries, stator and rotor laminated core) and divided into subsections when the characteristics of the component are different according to the type or size of the machine. The review considers both the techniques currently applied on field for the diagnostics of the electrical machines and the novel methodologies recently proposed by the researchers in the literature.

show abstract

“…Em (Gongora et al 2018), uma RNA embarcada é desenvolvida para detectar falhas no rolamento através do sinal da corrente elétrica. Em (Eren et al 2019) os autores apresentam redes neurais convolucionais compactas capazes de classificar falhas em rolamentos através de sinais de vibração, se utilizando de conjuntos de dados públicos (como o CWRU) para validar o trabalho.…”

Section: Sistemas Embarcadosunclassified

Classificação de Defeitos em Rolamento de Motores Elétricos Utilizando Redes Convolucionais Compactas para Sistemas Embarcados

Alves

Pinto

Cuadros

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

Motores elétricos são onipresentes em processos industriais e no dia a dia e assim o diagnóstico de defeitos em tais máquinas é de suma importância. As técnicas mais recentes de diagnóstico utilizam CNN com grande sucesso, porém são implementadas para rodar em servidores off-site. Este trabalho analisa duas propostas de CNNs desenvolvidas para serem executadas em um sistema embarcado on-site. As CNNs foram testadas com sucesso por seus autores utilizando um conjunto de dados proprietário. Os testes realizados aqui utilizam um conjunto de dados diferente, muito utilizado em benchmarks na área, o conjunto de dados da CWRU. Os testes realizados demonstram que as CNNs propostas também obtêm sucesso ao classificar defeitos do conjunto de dados CWRU, validando suas estruturas e demonstrando uma boa generalização para ser aplicada em montagens e sistemas diferentes do utilizado em seu desenvolvimento.

show abstract

Embedded System to Detect Bearing Faults in Line-Connected Induction Motors

Cited by 5 publications

References 21 publications

Processamento de Sinais de Vibração aplicado à Classificação de Falhas em Rolamentos

Processamento de Sinais de Vibração aplicado à Classificação de Falhas em Rolamentos

Novel Diagnostic Techniques for Rotating Electrical Machines—A Review

Classificação de Defeitos em Rolamento de Motores Elétricos Utilizando Redes Convolucionais Compactas para Sistemas Embarcados

Contact Info

Product

Resources

About