Aplicação de aprendizado de máquina para detecção de falhas entre voltas no sistema de bombeamento

Jul 15, 2023

Scientific Reports volume 12, Número do artigo: 12906 (2022) Citar este artigo

1589 acessos

3 Citações

3 Altmétrica

Detalhes das métricas

O diagnóstico de falha da bomba é essencial para a manutenção e segurança do aparelho, pois é um importante eletrodoméstico utilizado em diversos setores importantes. O diagnóstico de falhas no momento adequado pode reduzir os custos de manutenção e economizar energia. Este artigo usa um modelo Simulink baseado em equações matemáticas para analisar os efeitos da estimativa de parâmetros de bombas centrífugas baseadas em motores de indução trifásicos em condições de falha entre espiras. A falha entre espiras causa uma entrada massiva, um aumento massivo na corrente, que afeta severamente os parâmetros do motor e da bomba. Estes foram analisados ​​por simulação através do modelo Matlab Simulink. Posteriormente, os resultados são verificados por um simulador baseado em hardware in loop (HIL). Neste artigo, modelos de rede neural artificial (ANN) e ANFIS (ANN e Fuzzy) baseados em aprendizado de máquina (ML) foram aplicados para detecção de falhas. Os modelos baseados em ANN e ANFIS fornecem um nível satisfatório de precisão. Esses modelos fornecem resultados precisos de treinamento e teste. Com base na raiz do erro quadrático médio (RMSE), R2, precisão de previsão e valor médio de validação, esses modelos são comparados para descobrir qual é mais adequado para esse experimento. Vários algoritmos supervisionados são comparados com ANN, ANFIS e, por último, encontrado qual é o mais adequado para este experimento.

O motor de indução é um dispositivo comumente usado e indispensável para várias indústrias e tem recebido atenção redobrada por sua construção robusta, alto desempenho, confiabilidade e custo de manutenção1. Qualquer tipo de falha no motor de indução causa consequências drásticas nos dispositivos conectados ao motor e em todo o sistema. Se a bomba estiver conectada a um motor de indução defeituoso, o valor da cabeça mudará, a taxa de fluxo mudará e a vibração colossal criará danos graves2. A quebra de todo o sistema causa danos ao sistema e cria uma enorme perda de energia, e o tempo de inatividade repentino e não planejado causa enormes custos de manutenção. É relatado que 30-40% de falha é observada em motores de indução para falha entre voltas do estator3. Na verdade, trata-se de uma falha elétrica, e essa falha elétrica é muito sensível, o que causa danos graves. Apenas 10–20% de falha entre espiras causa um aumento maciço da corrente no motor de indução, o que causa perdas de isolamento nos enrolamentos4. As falhas elétricas são categorizadas como falhas do estator e do rotor5. A falha do rotor que é vista no motor de indução é uma barra quebrada do rotor. As faltas do estator são principalmente três: falta fase-fase, falta entre espiras e falta fase-terra. Dentre elas, a falta entre espiras é significativa e crítica6. Esta falha entre voltas dificulta a operação do motor de indução e a operação de bombeamento. Além das falhas mecânicas e hidráulicas, a falha elétrica também prejudica o desempenho da bomba. Uma bomba centrífuga é uma máquina rotativa usada para transferir fluido através de tubos. O desligamento repentino do sistema de bombeamento causa uma grande perda na manutenção7. Foi analisado que 70% do custo de manutenção é visto para o sistema de bombeamento. Portanto, é necessário melhorar a tecnologia de manutenção para reduzir custos. Várias pesquisas foram feitas para a detecção de falhas entre voltas em motores de indução. Tensão entre linhas, ponto neutro e ponto estrela do motor foram usados ​​para detecção de falha. Isso foi usado como modelo do motor e um desequilíbrio foi criado devido a uma falha de curto-circuito entre espiras. Antes da quebra total e danos significativos nos aparelhos, esse desequilíbrio deve ser identificado8. A impedância de sequência negativa foi estimada e utilizada como indicador de falha na pesquisa. A impedância de sequência negativa foi observada devido a um desequilíbrio no motor. A oscilação usada para a corrente de transformação Park foi usada para detecção de falha, que foi criada para desequilíbrio.

Para identificar esse problema, é necessária a análise do vetor espacial9. A falha elétrica pode ser detectada pela análise de assinatura de corrente do motor (MCSA) e análise de vibração. Para estimar a impedância negativa no motor, a robustez com relação à alimentação de tensão desbalanceada foi adicionada como abordagem10. A análise do espectro de frequência e da transformação rápida de Fourier (FFT) também são úteis para a detecção de falhas do motor de indução. Transformações de pacote Wavelet (WPT) e FFT foram usadas juntamente com algum tipo de classificador em alguns trabalhos11,12.