Machines Fault Detection 2.0
Você poderá baixar em 5 segundos.
Sobre Machines Fault Detection
As tecnologias de diagnóstico são usadas para aumentar a eficiência das máquinas rotativas nos sistemas de energia, detectando falhas futuras. Pequenas máquinas rotativas geralmente não possuem unidades de diagnóstico a bordo. As unidades de diagnóstico portáteis são caras e requerem informações muito detalhadas sobre máquinas monitoradas, desde o diâmetro dos elementos de rolagem nos rolamentos até o número de barras de rotor. Portanto, há uma área de oportunidade para desenvolver uma unidade de diagnóstico de baixo custo que não exija informações detalhadas da máquina. Os smartphones modernos parecem adequados para esta tarefa porque possuem aquisição de dados acústicos e vibratórios integrados e considerável capacidade de computação. No entanto, eles têm limitações de hardware em comparação com unidades de diagnóstico de última geração, como taxa de amostragem de dados e sensibilidade aos sensores.
Um conjunto de motores de indução são testados em condições saudáveis e defeituosas (rotor desequilibrado, rolamentos danificados e barras de rotor quebradas) para analisar sinais de vibração e acústica gravados com um smartphone. Em seguida, são analisados dados registrados para identificar assinaturas de emissões saudáveis e defeituosas. Um total de cerca de 85 minutos de emissões acústicas e cerca de 125 minutos de dados de vibração são registrados ao longo de todas as diferentes condições operacionais. Os resultados mostram que é possível estimar a velocidade rotacional da máquina e detectar falhas nas gravações do smartphone. A assinatura defeituosa das emissões acústicas está localizada entre 4 KHz – 8 KHz na forma de clusters de frequência de alta magnitude e a velocidade pode ser estimada usando harmônicos de frequência rotacional mecânica presentes entre 100 Hz-1 KHz. Da mesma forma, a assinatura defeituosa da vibração está localizada ao longo do espectro de frequência na forma de picos de alta magnitude e a velocidade rotacional pode ser estimada usando a frequência de vibração de pico. Finalmente, um aplicativo Android totalmente funcional foi desenvolvido com base em resultados de teste para detectar automaticamente a velocidade do motor e o estado de saúde. Os testes de validação mostraram 90% de precisão na detecção de falhas.