Metodologias de controlo e diagnóstico de falhas com aplicação em motores de corrente contínua


Autoria(s): Santos, Sérgio David Paixão Marques dos
Contribuinte(s)

Palma, Luís

Data(s)

18/07/2011

18/07/2011

2011

Resumo

Dissertação para obtenção do Grau de Mestre em Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Esta dissertação de Mestrado pretende dar um contributo para o desenvolvimento de técnicas de controlo e algoritmos de diagnóstico e detecção de falhas para aplicação em motores de corrente contínua. Hoje em dia na indústria há muitos processos onde a intervenção humana é substituida por máquinas eléctricas, sendo então fundamental a implementação de sistemas de controlo e diagnóstico de falhas, pois se houver alguma falha no sistema, ele terá que ter a capacidade de detectar, diagnosticar e se possivel tolerar a falha de forma a evitar uma avaria. De entre as técnicas de controlo utilizadas destacam-se o controlador PID clássico e o controlador neuronal IMC (“Internal Model Control”) baseado em modelo interno (inverso). Na parte de detecção e diagnóstico de falhas foi utilizada a análise em Componentes Principais não lineares (NLPCA),implementada com redes neuronais e a estimação em linha do ganho estático com modelo ARX. A comunicação entre o Hardware e o Software foi feita recorrendo à placa de aquisição de dados da National Instruments (NI USB-6009). Para o desenvolvimento do Software foi utilizado o programa Matlab R2009 b. A electrónica de potência necessária ao accionamento do motor DC baseou-se no módulo do equipamento da Feedback (“Firing & Bridge Circuits” (70-220)). O desempenho dos controladores foi avaliado e quantificado assim como as metodologias de diagnóstico e detecção de falhas. Em síntese, conseguiu-se controlar um motor de corrente contínua a partir das técnicas de controlo desenvolvidas e através do desenvolvimento de métodos de detecção e diagnóstico de falhas foi possível analisar as falhas introduzidas pelo utilizador como comprovam os resultados experimentais.

Identificador

http://hdl.handle.net/10362/5965

Idioma(s)

por

Publicador

Faculdade de Ciências e Tecnologia

Direitos

openAccess

Palavras-Chave #Controlo clássico PID #Controlo neuronal IMC #Detecção e diagnóstico de falhas #Modelos ARX #Modelos neuronais #Análise em componentes principais
Tipo

masterThesis