Técnicas Inteligentes para o Diagnóstico de Falhas em

Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
TÉCNICAS INTELIGENTES PARA O DIAGNÓSTICO DE FALHAS EM MOTORES DE
CORRENTE CONTÍNUA
ALEX C. SILVA, LIVIA F. S. MENDES, LANE M. R. BACCARINI.
Departamento de Engenharia Elétrica, Universidade Federal de São João del Rei, Pça Frei Orlando, 170,
MINAS GERAIS, CEP. 36.307.352
E-mails: [email protected], [email protected]
e [email protected]
Abstract Faults related to short-circuit are the most common in electrical machines, diagnose them intelligently and non-invasively is of
utmost importance in the manufacturing process because it prevents damage to the unscheduled shutdown, emergency maintenance and
even accidents involving humans. Using the statistical method of response surface can create typically polynomial functions depending on
the state variables of the dynamic system that enables diagnose intelligently related to short-circuit faults in the field and the armature of the
DC machine circuits. Since the necessary sensors are usually found in the industry, this project aims to propose a method of fault diagnosis
in DC Motors that can be applied in a real plant.
Keywords DC motor, predictive maintenance, non intrusive methods, fault diagnosis, percentage of turns shorted, response surface
Resumo Falhas relacionadas a curto-circuito são as mais comuns em máquinas elétricas e diagnosticá-las de forma inteligente e não invasiva é de extrema importância para o processo fabril, pois previne danos como a parada não programada, manutenção de emergência e
até mesmo acidentes envolvendo seres humanos. O método estatístico de superfície de resposta permite criar funções tipicamente polinomiais em função das variáveis de estado do sistema dinâmico e pode se tornar uma ferramenta útil para o diagnóstico de falhas relacionadas a
curto-circuito nos circuitos de campo e de armadura de máquinas de corrente contínua. Visto que os sensores necessários são usualmente
encontrados na indústria, este projeto tem o objetivo de propor uma técnica de diagnóstico de falhas em Motores de Corrente Contínua que
possa ser aplicada em uma planta real.
Palavras-chave Motor de corrente contínua, manutenção preditiva, método não invasivo, diagnóstico de falhas, percentual de espiras
em curto-circuito, superfície de resposta
quantificar o impacto da inclusão de técnicas de manutenção preditiva como parte chave da filosofia da
gerência de manutenção. De acordo com os resultados do levantamento, as maiores melhorias puderam
ser obtidas em custos de manutenção, falhas não
programadas da máquina, tempo parado para reparo,
redução de peças no estoque, e recompensas diretas e
indiretas de hora extra. Em complemento, o levantamento indicou uma melhoria substancial na vida da
máquina, produção, segurança do operador, qualidade do produto, e lucro global.
Atualmente diversas propostas de técnicas para
o Gerenciamento de Eventos Anormais podem ser
encontradas, porém muitas delas se mostram de baixo custo/benefício, ineficazes ou mesmo de difícil
aplicação em processos industriais (Baccarini,
2005). É necessário levar em consideração as condições reais do processo pois muitas máquinas trabalham de forma contínua e/ou estão em ambientes
agressivos exigindo que o monitoramento seja feito
sem parada da máquina, de forma não intrusiva e, o
mais importante, sem expor o técnico a uma situação
de risco de acidentes.
As máquinas elétricas rotativas estão presentes
na maioria dos processos produtivos. Muitos desses
processos, onde o controle de velocidade deve ser realizado com boa resposta, ainda se utilizam de Motores de Corrente Contínua (MCCs) Estes motores
permitem regular a velocidade de uma forma eficaz
1 Introdução
As máquinas elétricas estão sujeitas a falhas e,
portanto, necessitam de procedimentos adequados de
intervenção pois paradas não programadas podem
causar prejuízos materiais, econômicos e sociais de
grandes proporções. Assim, o Gerenciamento de
Eventos Anormais (AEM) tem recebido grande atenção dos profissionais responsáveis pela área de manutenção pois é um processo importante que inclui
tarefas como detecção, diagnóstico e correção de
anomalias que geram as falhas em processos industriais (de Almeida, 2012).
A demanda por procedimentos inteligentes de
monitoramento de uma planta cresce, uma vez que a
detecção antecipada das falhas traz como consequência um alto grau de confiabilidade ao funcionamento
dos sistemas reais. Este fato resultou na necessidade
do aumento de pesquisa para o desenvolvimento de
sistemas de supervisão, que possuem como finalidade a automatização dos processos do Gerenciamento
de Eventos Anormais (Venkatasubramanian et al.,
2003).
Estudos reais apresentados em (de Almeida,
2012) comprovaram a redução do risco de falhas em
empresas que implementaram técnicas de manutenção preditiva. O levantamento foi realizado pela
“Plant Performance Group” (uma divisão da “Technology for Energy Corporation”) e foi projetado para
2036
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
garantindo-se assim um elevado desempenho e flexibilidade nas mais variadas situações. Portanto, a
exemplo do que acontece com outros tipos de motores, o desenvolvimento de técnicas pra o diagnóstico
de falhas em motores de corrente contínua é estratégico para o processo produtivo, pois evitam paradas
não programadas e manutenções emergenciais (Erik
et al., 2008; dos Santos, 2011).
Extrair informações relevantes a partir do
grande volume de dados atualmente disponível em
sistemas de controle de plantas industriais é um desafio (Vaz Junior, 2010). Devido às dimensões das
bases de dados, ferramentas estatísticas específicas
são necessárias para obter informações importantes a
respeito das condições operacionais do processo.
O processo multivariado possui uma infinidade
de características que podem ser avaliadas. Portanto,
a primeira etapa para o monitoramento consiste em
definir quais grandezas serão transformadas em variáveis para observação. Às vezes são escolhidas as
variáveis mais simples ou de menor custo de medição ou ainda, se houver conhecimento profundo do
processo, escolhem-se as variáveis mais pertinentes
às falhas mais eminentes. Ferramentas de redução de
variáveis também podem ser empregadas a fim de
aperfeiçoar esta escolha (Vaz Junior, 2010; Campos,
2007).
O método de superfície de resposta é uma técnica que emprega métodos estatísticos para criar
funções tipicamente polinomiais para representar a
resposta ou o resultado de um experimento em termos de diversas variáveis independentes. Estas funções auxiliam a reduzir a complexidade na busca de
solução (Junior et al, 2012; Neves, 2004; Silva et al.
2008 ).
Basicamente, as diretrizes para se trabalhar
com um modelo de superfície de resposta são:
Amostragem; Modelagem e Otimização. A amostragem é o número de ensaios que será executado levando em consideração os modelos que serão implementados. A Modelagem e Testes de Hipóteses é a
etapa de ajuste dos modelos e analises desses ajustes.
E a otimização é a etapa de obtenção e configuração
ótima dos níveis dos fatores de interesse, entre os intervalos considerados, e verificação da necessidade
de se realizar novamente o experimento considerando novos níveis para os fatores (Silva et al. 2008 ).
Assim considerando que: 1. A detecção antecipada das falhas permite um alto grau de confiabilidade ao funcionamento dos sistemas; 2. O alarme
antecipado dos problemas da máquina e sistemas reduz o risco de falhas destrutivas e também danos
pessoais; 3. Muitos processos rodam de forma contínua ou estão em ambientes agressivos, exigindo que
o monitoramento real seja feito sem parada da máquina, de forma não invasiva e, principalmente, sem
expor o técnico ao contato direto com a máquina; 4.
O Motor de Corrente Contínua é o cerne de muitos
dos processos produtivos; 5. O processamento de
monitoramento de sistemas exige que o método de
análise tenha baixa complexidade computacional; 7.
Que a técnica Superfície de Resposta auxilia a reduzir a complexidade na busca de solução. Este trabalho tem por objetivo propor uma técnica de diagnóstico de falhas em Motores de Corrente Contínua que
possa ser aplicada em uma Planta Real.
A Seção 2 apresenta a Metodologia adotada
para atingir os objetivos do trabalho. Os resultados e
suas análises estão apresentados na Seção 3. As conclusões encontram-se na Seção 4.
2. Metodologia
O motor de corrente contínua, basicamente, é
constituído por três componentes fundamentais: o
campo da armadura (rotor), o campo do estator e o
comutador. Considerando a corrente de armadura (
), a corrente de campo(
) e a velocidade (
)
como variáveis de estado, o modelo dinâmico para a
máquina funcionando como motor é representado
pelas equações:
(1)
(2)
(3)
Sendo:
(4)
(5)
As constantes e grandezas são: : resistência
do circuito da armadura;
: resistência do circuito
de campo;
: indutância do circuito da armadura;
: indutância do circuito de campo;
:
indutância mútua armadura/campo; : força contra
eletromotriz da armadura;
: conjugado
eletromagnético;
: conjugado mecânico exigido
pela carga;
: coeficiente de atrito viscoso;
:
Momento de inércia do sistema motor/carga.
As falhas em componentes da planta,
conjunto máquina/carga, consideradas são: curtocircuito entre espiras na bobina da armadura e curtocircuito entre espiras na bobina do campo, ambas
podem ser modeladas por variações nas resistências
e indutâncias da armadura e do campo.
Para criação e validação do modelo utilizouse torque mecânico variante randomicamente entre
10 e 100% do seu valor nominal, com o intuito de
obter uma ampla faixa de carregamento do motor.
As resistências e indutâncias dos circuitos de
armadura e do campo, na presença de falhas de
curto-circuito sofreram variações aleatórias entre 95
e 97% dos seus respectivos valores sem a presença
2037
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
da falha. O parâmetro responsável por esta variação
é o µ que representa o percentual de espiras em
curto-circuito.
Considerando que 3 a 5% das espiras estão
em curto-circuito, tanto para o enrolamento de
campo quanto para o da armadura e adotando o
modelo proposto por Caminhas ( 1997) tem-se:
O modelo foi implementado utilizando o
software MATLAB. Para a elaboração do banco de
dados foram realizados 150 testes e os dados foram
armazenados após o transitório, ou seja, operação
em regime permanente.
Os primeiros 50 testes correspondem a
operação simétrica, ausência de falhas. Os 50 testes
subsequentes correspondem a presença de curtocircuito na armadura e os 50 testes finais curtocircuito no enrolamento de campo.
Utilizando este banco de dados para a criação
da superfície de resposta, percebeu-se que era
possível obter vários modelos diferentes dependendo
da escolha da variável e do número de variáveis de
estado utilizadas. Mas, independente da quantidade
de variáveis consideradas em cada modelagem
sempre foi possível identificar três situações
distintas: motor operando sem falhas, motor
operando com falha relacionada a curto-circuito nas
espiras da armadura e motor trabalhando com falha
relacionada a curto-circuito nas espiras do campo.
Para obtenção da melhor resposta foram
testadas todas as possíveis superfícies. Como existem
três variáveis de estado, o polinômio geral que
representa a superfície de resposta é:
Onde
representa o percentual de espiras
da armadura em curto-circuito;
o percentual de
espiras em curto-circuito do enrolamento de campo;
: resistência da armadura na presença de curtocircuito;
: resistência do campo na presença da
curto-circuito;
: indutância da armadura na
: indutância de
presença de curto-circuito;
campo na presença de curto-circuito;
:
indutância mútua armadura/campo na presença de
curto-circuito no campo ou na armadura.
O motivo da indutância mútua, na presença
do curto-circuito, variar entre 95 e 97% do seu valor
sem a falha se deve ao fato de considerarmos as duas
falhas como eventos independentes, ou seja, não
ocorrem simultaneamente. Os parâmetros da
máquina de corrente contínua utilizados foram
obtidos em Caminhas (1997) e estão apresentados na
Tabela 1.
onde :
representa as variáveis de estado usadas em cada
modelo.
representam os coeficientes do polinômio a
serem determinados.
Para a criação das superfícies atribuiu-se, em
todos os casos, saída
como sendo a situação
sem falha, ou seja, os 50 primeiros testes do banco
de dados.
para testes com a presença de curtocircuito no enrolamento da armadura, ou seja, os 50
testes subsequentes e por fim atribuiu-se
para
testes com curto-circuito no campo, ou seja, os 50
testes finais.
Para a comprovação da funcionalidade das
superfícies de resposta e validação dos modelos
criou-se um banco de dados contendo 600 testes,
procedendo da mesma forma anterior, sendo os 200
primeiros correspondentes à máquina operando sem
a presença de falhas, os 200 testes subsequentes
considerando curto-circuito na armadura e os 200
testes finais considerando curto-circuito no campo.
Nesta etapa de validação dos modelos
admitiram-se como acertos as saídas:
para
testes sem falha,
para testes com a
presença de curto-circuito na armadura e
para testes com a presença de curto-circuito no
campo. A Figura 1 apresenta graficamente as três
regiões distintas.
Tabela 1: Parâmetros do Motor de Corrente Contínua
Parâmetros
Valores no SI
Resistência da armadura (r a)
0,00467
Resistência do campo (r fd)
12,1875
Indutância da armadura (La)
0.000238
Indutância mútua (Lafd)
8,75
Indutância do campo (Lfd)
0,23
Coeficiente de atrito (Bm)
127
Tensão nominal (van)
750
Tensão nominal do campo (vfdn)
750
Corrente nominal da armadura (i an)
17098
Corrente nominal do campo (i fdn)
61,53
2038
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
Combinação 1
= corrente do circuito de campo;
= corrente do circuito de armadura.
Combinação 2
= corrente do circuito de campo;
= velocidade.
Combinação 3
= corrente do circuito de a armadura;
= velocidade.
Figura 1- Identificação das três regiões distintas analisadas
Para o cálculo dos coeficientes do polinômio
característico, a nova matriz é dada por:
2.1 Construção das superfícies de respostas para
uma variável de estado
Este é o modelo mais simples possível. Para
construir as superfícies considerando apenas uma
variável de estado têm-se as seguintes
possibilidades:
Após o cálculo dos coeficientes calculou-se a
saída correspondente a cada teste para validar o
modelo através da expressão abaixo:
Combinação 1
= corrente de campo;
Combinação 2
= corrente de armadura;
Combinação 3
= velocidade.
Por fim este valor foi comparado como o valor
estipulado para criação do modelo.
2.3 Construção da superfície de resposta para três
variáveis de estado
Para o cálculo dos coeficientes
do
polinômio característico, considerou-se a matriz:
Onde:
de estado
De forma semelhante, para a construção da
superfície
considerando
três
variáveis
independentes tem-se apenas uma combinação
possível:
indica que cada elemento da variável
será elevado ao quadrado.
= corrente do circuito de campo;
= corrente do circuito de armadura;
= velocidade.
Assim, através da expressão:
Para a validação do modelo calculou-se a saída
correspondente a cada teste do banco de validação
através da expressão:
Onde o índice t indica transposição e o índice -1 a
inversão da matriz, obtém-se os coeficientes
desejados.
Para validar o modelo, calculou-se a saída
correspondente a cada teste do banco de validação
através da expressão abaixo:
Por fim, comparou-se este valor com o estipulado para criação do modelo.
Por fim, esta resposta foi comparada com o
valor estipulado para criação do modelo.
3. Resultados e Análises
Nesta etapa foi observada a funcionalidade do
modelo para cada configuração, obtido através do
percentual de acertos encontrados no processo de
validação. Esta verificação é realizada comparando o
valor de saída, , de cada teste com o respectivo
valor estipulado para a elaboração do modelo.
Analisou-se a presença de alarmes falsos nas
respostas, como por exemplo, detecção de curtocircuito em testes referentes a uma situação sem
falha. Também se avaliou a sensibilidade dos
2.2 Construção da superfícies de respostas para
duas variáveis de estado
Para
a
construção
das
superfícies
considerando duas variáveis independentes têm-se as
seguintes combinações possíveis:
2039
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
modelos, ou seja, se os modelos conseguiram
diferenciar as três situações distintas.
Analisou-se também a dispersão das respostas
em torno do valor estipulado na criação do modelo,
como por exemplo, nos testes sem falha considerouse como acerto todos os valores
, mas o ideal
é que estes valores estejam com a menor dispersão
possível em relação ao valor estipulado na criação do
modelo,
A Figura 3 mostra a saída do modelo utilizando
apenas a corrente de armadura como variável independente.
3.1 Considerando
= corrente de campo como
sendo a única variável independente do modelo
Figura 3- Modelo da SR utilizando apenas a corrente de armadura
como variável independente
Após o cálculo dos coeficientes, o polinômio
obtido para esta configuração é dado por:
O modelo não conseguiu diferenciar as três situações distintas de operação. O percentual de acertos para esta configuração foi de 0%.
= velocidade como sendo a
3.3 Considerando
única variável independente do modelo
A Figura 2 mostra a saída do modelo utilizando
apenas a corrente do circuito de campo como variável independente.
O polinômio obtido para esta configuração é
dado:
A Figura 4 mostra a saída do modelo utilizando
apenas a velocidade como variável independente do
modelo.
Figura 2- Modelo da SR utilizando apenas a corrente de campo
como variável independente
O modelo conseguiu identificar todos os testes
com a presença de curto-circuito no circuito de
campo, além de apresentar uma baixa dispersão em
torno do valor de saída,
, estipulado para esta
região, porém o modelo não conseguiu diferenciar
testes sem falha e testes onde há curto-circuito na
armadura.
Observa-se claramente que este modelo não
conseguiu diferenciar as três situações distintas. O
percentual de acertos para esta configuração foi de
33.3333%.
Figura 4 - Modelo da SR utilizando apenas a velocidade como
variável independente
Analogamente ao caso anterior, o modelo
também não conseguiu diferenciar as três situações
distintas. O percentual de acertos para esta
configuração foi de 0%.
3.2 Considerando = corrente de armadura como
sendo a única variável independente do modelo
3.4 Considerando
=corrente de campo e
=corrente de armadura como sendo as variáveis
independentes do modelo
O polinômio obtido para esta configuração é
dado por:
O polinômio obtido para esta configuração é
dado por:
Analisando este polinômio, observa-se que o
termo independente é bem mais significativo que os
demais coeficientes, assim para pequenas variações
na corrente de armadura não se tem variações significativas na saída.
2040
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
regiões da Figura 5. O percentual de acertos para
esta configuração foi de 33.3333%.
A Figura 5 mostra a saída do modelo utilizando
a corrente de campo e a corrente de armadura como
variáveis independentes do modelo.
3.6 Considerando
=corrente de armadura e
=velocidade como sendo as duas variáveis
independentes do modelo
O polinômio obtido para esta configuração é
dado por:
Figura 5- Modelo da SR utilizando as correntes de campo e de
armadura como variáveis independentes
A Figura 7 mostra a saída do modelo utilizando
a corrente de armadura e a velocidade como variáveis independentes do modelo.
Os resultados obtidos foram semelhantes ao
primeiro caso, onde foi considerado apenas a
corrente de campo. Obtendo bons resultados na
identificação de curto-circuito no campo e não
distinguindo testes sem falhas dos teste com curtocircuito na armadura. O percentual de acertos para
esta configuração foi de 33.3333%.
= corrente de campo e
3.5 Considerando
=velocidade como sendo as duas variáveis
independentes
O polinômio obtido para esta configuração é
dado por:
Figura 7 - Modelo de SR utilizando a corrente de armadura e a
velocidade como variáveis independentes
Os resultados foram semelhantes aos casos em
que se utilizou apenas a corrente de armadura e
apenas a velocidade, não diferenciando as três
situações distintas. O percentual de acertos para esta
configuração foi de 0%.
A Figura 6 mostra a saída do modelo utilizando
a corrente de campo e a velocidade como variáveis
independentes do modelo.
= corrente de campo,
=
3.7 Considerando
corrente de armadura e
= velocidade como
sendo as três variáveis independentes do modelo.
O polinômio obtido para esta configuração é
dado por:
Figura 6- Modelo de SR utilizando a corrente de campo e a
velocidade como variáveis independentes
O modelo conseguiu identificar todos os testes
com curto-circuito no campo e com uma baixa
dispersão em torno do valor esperado para esta
região,
.
Observa-se que o modelo começa ligeiramente
a diferenciar as duas primeiras regiões, porém há
um elevado número de alarmes falsos fazendo com
que o percentual de acertos ainda seja baixo, como
pode ser observado claramente nas duas primeiras
A Figura 8 mostra a saída do modelo utilizando
a corrente de armadura, a corrente de campo e a velocidade como variáveis independentes do modelo.
Este modelo apresenta alta sensibilidade para
diferenciar as três situações distintas, sem a presença
de alarmes falsos e com baixa dispersão dos
resultados em torno do valor esperado para cada
região.
2041
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
Neste caso o modelo conseguiu acertar todos os
testes, assim o percentual de acertos para esta
configuração foi de 100%.
Campos, A. A. Um algoritmo de detecção de falhas
em sistemas multivariados, Dissertação de
Mestrado, Programa de Pós-Graduação em
Engenharia Elétrica, UFMG, 2007.
de Almeida, Márcio Tadeu. Manutenção Preditiva:
Benefícios e Lucratividade. Artigo disponível no
site do Instituto de Vibração MTA. (s.d). 5p.
Disponível em:
< http://www.mtaev.com.br/download/mnt2.pdf>,
2012.
dos Santos, S. D. P. M., Metodologias de Controlo e
Diagnóstico de Falhas com Aplicação em
Motores de Corrente Contínua, Mestrado
Integrado em Engenharia Electrotécnica e de
Computadores, Universidade Nova de Lisboa,
2011.
Erik B; de Almeida Levy Ely; Bô, R. Y; Barros, M.,
Lambert-Torres, G. Martins, H. G. Diagnóstico
de Falhas em Motores de Corrente Contínua,
VIII Conferência Internacional de Aplicações
Industriais, 2008.
Júnior, A. M. G; Silva, V.; Baccarini, L. M. R
Reconhecimento e categorização de faltas em
motores de indução trifásicos através de
modelos obtidos por redes neurais e superfícies
de
resposta,
Congresso
Brasileiro
de
Automática, 2012.
Neves, R.A. Desenvolvimento de modelos mecânicoprobalísticos para de pavimentos de edifícios’.
Tese de doutorado. Universidade de São Paulo,
2004.
Silva G. C., Teoria e Aplicações de Algoritmos
Imunoinspirados para Detecção e Diagnóstico
de Falhas em Sistemas Dinâmicos, Trabalho de
Qualificação, Universidade Federal de Minas
Gerais, Engenharia Elétrica, 2012.
Silva, V.V.R., Fleming, P.J., Sugimoto, J. e
Yokoyama, R.. Multiobjective optimization
using variable complexity modeling for control
system design. Applied Soft Computing, Vol.8,
Issue 1, pp. 392-401, 2008.
Vaz Junior, C. A. Detecção e Diagnóstico de Falhas
com base em dados históricos de Processos:
Aplicação em Dutovias, Tese de Doutorado,
Escola de Química, Universidade Federal do
Rio de Janeiro, 2010.
Venkatasubramanian, V., Rengaswamy, R., and
Kavuri, S. N. A review of process fault detection
and diagnosis - part I: Quantitative model-based
methods.
Computers
and
Chemical
Engineering, 27(3):293–311, 2003.
Venkatasubramanian, V., Rengaswamy, R., and
Kavuri, S. N. (2003b). A review of process fault
detection and diagnosis - part II: Qualitative
models and search strategies. Computers and
Chemical Engineering, 27(3):313–326, 2003.
Figura 8 - Modelo da SR utilizando as correntes de campo e de
armadura e a velocidade como variáveis independentes
4. Conclusão
Muitos processos ainda utilizam motores de
corrente contínua, principalmente aqueles onde o
controle de velocidade é crítico, pois permitem
regular a velocidade de uma forma eficaz garantindo
assim elevado desempenho. O desenvolvimento de
técnicas pra o diagnóstico de falhas em motores de
corrente contínua é estratégico para o processo
produtivo, pois evitam paradas não programadas e
manutenções emergenciais.
Neste trabalho, as variáveis utilizadas para o
diagnóstico de falhas foram: a corrente de armadura,
a corrente de campo e a velocidade. Através destas
variáveis buscou-se dentre todas as superfícies
possíveis, a que apresentasse os resultados mais
satisfatórios, como: distinção entre as três regiões,
elevado percentual de acerto, inexistência de alarmes
falsos além de baixa dispersão do valor de saída em
relação ao valor estipulado na criação do modelo.
Observou-se que o modelo construído com as
três variáveis de estado atendeu todas as
expectativas, gerando um percentual de acerto de
100%.
Agradecimentos
Os autores agradecem a FAPEMIG, Projeto
Demanda Universal 01/2011 TEC APQ-00589-11 e
a CAPES, Projeto Pro-equipamentos.
Referências Bibliográficas
Baccarini, L.M. R. Detecção e Diagnóstico de Falhas
em Máquinas de Indução, Tese de Doutorado –
UFMG, 2005.
Caminhas, W. M. Estratégias de Detecção e
Diagnóstico de Falhas Em Sistemas Dinâmicos.
Tese de doutorado, Universidade Estadual de
Campinas, 1997.
2042