Metodologia baseada em sistema fuzzy intervalar do tipo-2 para detecção e identificação de faltas de incipientes em motores de indução

Desde a incorporação da automação no processo produtivo, a busca por sistemas mais eficientes, objetivando o aumento da produtividade e da qualidade dos produtos e serviços, direcionou os estudos para o planejamento de estratégias que permitissem o monitoramento de sistemas com o intuito principal de torna-los mais autônomos e robustos. Por esse motivo, as pesquisas envolvendo o diagnóstico de faltas em sistemas industriais tornaram-se mais intensivas, visto a necessidade da incorporação de técnicas para monitoramente detalhado de sistemas. Tais técnicas permitem a verificação de perturbações, falta ou mesmo falhas. Em vista disso, essa trabalho investiga técnicas de detecção e diagnostico de faltas e sua aplicação em motores de indução trifásicos, delimitando o seu estudo em duas situações: sistemas livre de faltas, e sobre atuação da falta incipiente do tipo curto-circuitoparcial nas espiras do enrolamento do estator. Para a detecção de faltas, utilizou-se analise paramétrica dos parâmetros de um modelo de tempo discreto, de primeira ordem, na estrutura autoregressivo com entradas exógenas (ARX). Os parâmetros do modelo ARX, que trazem informação sobre a dinâmica dominante do sistema, são obtidos recursivamente pela técnica dos mínimos quadrados recursivos (MQR). Para avaliação da falta, foi desenvolvido um sistema de inferência fuzzy (SIF) intervala do tipo-2, cuja mancha de incerteza ou footprint of uncertainty (FOU), características de sistema fuzzy tipo-2, é ideal como forma de representar ruídos inerentes a sistemas reais e erros numéricos provenientes do processo de estimação paramétrica. Os parâmetros do modelo ARX são entradas para o SIF. Algoritmos genéricos (AG’s) foram utilizados para otimização dos SIF intervalares tipo-2, objetivando reduzir o erro de diagnóstico da falta identificada na saída desses sistemas. Os resultados obtidos em teste de simulação computacional demonstram a efetividade da metodologia proposta.

ABSTRACT: Since the incorporation of automation in the production processes, aiming at order to improve productivity and quality of products and services, researches on more efficient methodologies for fault diagnosis became more intensive. Such techniques allow the early detection of faults, before then lead to failures. This work investigates techniques for detection and diagnosis of faults and its application to induction motors, limiting their study to two situations, namely: system free of faults and system under incipient partial short-circuit in the coils the stator winding. For faults detection, parametric analysis of fist order ARX (autoregressive with exogenous input) were applied. The parameters of identified ARX modes, which bring information about the dynamics of the dominant system, are recursively obtained by the techniques of recursive least squares (RLS). In order to evaluate the capability for early fault detection, a type-2 interval fuzzy system was developed. This kind of fuzzy system has capability to capture a larger set of uncertainties than conventional (type-1) fuzzy systems. The footprint of uncertainty (FOU), characteristic of type-2 fuzzy system, is a way to accounts for uncertainties coming from noise and numerical errors from the process of parameter estimation. The ARX model parameters are the inputs to the supervisor system. Genetic algorithms (GA’s) were used for optimization of SIF interval type-2, aiming at to reduce the diagnostic error. The results obtained in tests of computer simulation show the effectiveness of the proposed methodology.