DIAGNÓSTICO DE FALHAS E FALTAS ELÉTRICAS EM MOTORES DE INDUÇÃO UTILIZANDO ÁRVORES DE DECISÃO E REDES NEURAIS

Autores

  • Joaquim Osterwald Frota Moura Filho
  • Marcelo Estevão da Silva, Flaviane Alves Araújo, Márcio André Baima Amora
  • Márcio André Baima Amora

Resumo

As máquinas elétricas de indução atualmente são as mais utilizadas e difundidas na indústria, isso se deve ao fato dela ser uma ferramenta eficiente e possuir manutenção com a melhor relação custo-benefício. Por serem muito utilizadas, o diagnóstico de falhas em máquinas de indução se traduz, portanto, em uma maior produtividade, menor custo com reparos e redução das chances de acidentes provocados por falhas em máquinas deste tipo. O presente estudo aborda duas maneiras diferentes de fazer o diagnóstico de falhas, substituindo as técnicas computadorizadas convencionais, por técnicas de inteligência computacional, a saber, Árvores de Decisão e Redes Neurais Artificiais do tipo Multilayer Perceptron. O conceito de Árvores de Decisão é empregado no mapeamento de regras em um conjunto de dados, em contrapartida, Redes Neurais Artificiais possuem a vantagem de responderem de forma coerente a dados nunca antes conhecidos. Desta forma, as técnicas aqui empregadas possuem as características necessárias para o trabalho de classificar e ordenar padrões de falhas e faltas em motores desta natureza. Elaboramos por meio de simulação e de ensaios realizados em laboratório um banco de dados baseado nas possíveis faltas e falhas. Com as árvores de decisão e as redes neurais foram feitos comparativos dos resultados obtidos, observando os aspectos qualitativos e quantitativos. Com isso pretende-se detectar os problemas de forma mais rápida, facilitando na manutenção do equipamento.

Publicado

2019-01-01

Edição

Seção

Encontro de Iniciação Científica – PRPPG