TÉCNICA HÍBRIDA PARA DETECÇÃO E DIAGNÓSTICO DE DEFEITOS EM MÁQUINAS ROTATIVAS UTILIZANDO MODELOS MATEMÁTICOS

Resumo

Este trabalho propõe uma técnica híbrida para detecção e diagnóstico de defeitos em máquinas rotativas utilizando modelos matemáticos. O método é baseado na combinação da Análise de Correlações baseada na Matriz de Ljapunov e Redes Neurais Artificiais (RNA's). Este procedimento de diagnóstico de defeitos utiliza somente as variáveis de estado medidas, não sendo necessário a medida direta da excitação estocástica. Usando as propriedades de correlações das variáveis de saída, é possível derivar relações específicas envolvendo os parâmetros físicos do sistema e as matrizes de correlações das variáveis medidas. O defeito no sistema rotativo é detectado monitorando a variação dos parâmetros físicos, através da comparação das funções de correlações teóricas e estimadas. Redes Neurais Artificiais são usadas como ferramentas para mapear tais correlações. São discutidas as aproximações numéricas para um sistema rotativo modelado com seis graus de liberdade. Os bons resultados mostram a viabilidade de estudos adicionais nesta área. Palavras-chave: Diagnóstico de defeitos, Análise de correlações, Equação de Ljapunov, Redes Neurais Artificiais. ABSTRACT A hybrid techniques for fault detection and diagnosis in rotating machines utilizing mathematical model, is proposed in this paper. The methodology is derived using a combination of correlation analysis based on the Ljapunov Matrix and Artificial Neural Network (ANN). This procedure of parameter fault diagnosis uses only measured state variables. The direct measurement of the stochastic excitation is not necessary. Coloured noise stochastic excitation is modeled by a dynamical system excited by white noise. Using the properties of correlation of the output variables, it is possible to derive specific relations involving the physical parameters of the system and the correlation matrices of the measured variables. Faults in the rotor can be detected by monitoring the variation of the physical parameters through a comparison of theoretical and estimated correlation functions. Artificial Neural Network is used as a tool to map such correlations. The numerical approaches for rotor systems modeled with six degrees of freedom are discussed with respect to this methodology. The good results show the viability of further studies in this area. Keywords: Fault Detection, Rotating Machines, Mathematical Models.