Abstract:Muitas pesquisas estão sendo desenvolvidas buscando nos sistemas inteligentes soluções para diagnosticar falhas em máquinas elétricas. Estas falhas envolvem desde problemas elétricos, como curto-circuito numa das fases do estator, ate problemas mecânicos, como danos nos rolamentos. Dentre os sistemas inteligentes aplicados nesta área, destacam-se as redes neurais artificiais, os sistemas fuzzy, os algoritmos genéticos e os sistemas híbridos, como o neuro-fuzzy. Assim, o objetivo deste artigo é traçar um panora… Show more
“…As redes neurais artificiais são uma das abordagens de aprendizado de máquina mais conhecidas, são capazes de reconhecer características dos sinais, identificar e diagnosticar falhas. Na identificação de faltas no estator da máquina de indução as redes neurais apresentam robustez ao ruido (Chow and Yee, 1991), (Ghate and Dudul, 2010), podem utilizar diferentes tipos de sinais (Ali et al, 2019), podem ser associadas a outras técnicas de aprendizado de máquina (Santos et al, 2012) e possuem uma implementação simples.…”
In this study a application proposal to develop a classifier using an artificial neural network (ANN) for the problem of detecting internal faults in a wind turbine generator based on an induction machine with a caged rotor, a problem for which there is still no optimal solution. The classifier evaluates a given instance and returns whether the instance comes from a healthy machine or a machine that has a stator coil fault. Synthetic data obtained by simulation was used for training the ANN. The results obtained demonstrate that a simple network with a single intermediate layer already achieves good performance with low computational cost as the memory to store the ANN. Resumo: Nesse estudo é proposto uma aplicação para desenvolver um classificador utilizando uma rede neural artificial para o problema de detecção de faltas internas no gerador de uma turbina eólica baseado na máquina de indução com rotor em gaiola, problema para o qual ainda não existe uma solução otimizada. O classificador avalia uma dada instância e retorna se a instância é proveniente de uma máquina saudável ou de uma máquina que apresenta uma falta em uma dada bobina do estator. Foi utilizado dados sintéticos obtidos por simulação para o treinamento da rede deste modo não foi necessário a utilização de uma máquina real com sensores para extrair os dados de treinamento. Os resultados obtidos demonstram que uma rede simples de uma única camada intermediaria já consegue bom desempenho com baixo custo computacional quanto a memória para armazena a rede.
“…As redes neurais artificiais são uma das abordagens de aprendizado de máquina mais conhecidas, são capazes de reconhecer características dos sinais, identificar e diagnosticar falhas. Na identificação de faltas no estator da máquina de indução as redes neurais apresentam robustez ao ruido (Chow and Yee, 1991), (Ghate and Dudul, 2010), podem utilizar diferentes tipos de sinais (Ali et al, 2019), podem ser associadas a outras técnicas de aprendizado de máquina (Santos et al, 2012) e possuem uma implementação simples.…”
In this study a application proposal to develop a classifier using an artificial neural network (ANN) for the problem of detecting internal faults in a wind turbine generator based on an induction machine with a caged rotor, a problem for which there is still no optimal solution. The classifier evaluates a given instance and returns whether the instance comes from a healthy machine or a machine that has a stator coil fault. Synthetic data obtained by simulation was used for training the ANN. The results obtained demonstrate that a simple network with a single intermediate layer already achieves good performance with low computational cost as the memory to store the ANN. Resumo: Nesse estudo é proposto uma aplicação para desenvolver um classificador utilizando uma rede neural artificial para o problema de detecção de faltas internas no gerador de uma turbina eólica baseado na máquina de indução com rotor em gaiola, problema para o qual ainda não existe uma solução otimizada. O classificador avalia uma dada instância e retorna se a instância é proveniente de uma máquina saudável ou de uma máquina que apresenta uma falta em uma dada bobina do estator. Foi utilizado dados sintéticos obtidos por simulação para o treinamento da rede deste modo não foi necessário a utilização de uma máquina real com sensores para extrair os dados de treinamento. Os resultados obtidos demonstram que uma rede simples de uma única camada intermediaria já consegue bom desempenho com baixo custo computacional quanto a memória para armazena a rede.
“…However, its use has been restricted to some engineering problems (Santos, Silva, & Suetake, 2012), mainly due to the lack of a simple geometric and physical interpretation (Machado, 2013;Podlubny, 1994). In practice, the solution of a dynamic model of fractional order approximates comor plex behaviours emerging from systems with multiple interactions (Vinagre, 2007).…”
While fractional calculus (FC) is as old as integer calculus, its application has been mainly restricted to mathematics. However, many real systems are better described using FC equations than with integer models. FC is a suitable tool for describing systems characterised by their fractal nature, long-term memory and chaotic behaviour. It is a promising methodology for failure analysis and modelling, since the behaviour of a failing system depends on factors that increase the model's complexity. This paper explores the proficiency of FC in modelling complex behaviour by tuning only a few parameters. This work proposes a novel two-step strategy for diagnosis, first modelling common failure conditions and, second, by comparing these models with real machine signals and using the difference to feed a computational classifier. Our proposal is validated using an electrical motor coupled with a mechanical gear reducer.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.