Aplicação de aprendizado de máquina para detecção de falhas entre espiras em sistema de bombeamento

Scientific Reports volume 12, Artigo número: 12906 (2022) Citar este artigo

1890 Acessos

4 citações

3 Altmétrico

Detalhes das métricas

O diagnóstico de falhas da bomba é essencial para a manutenção e segurança do dispositivo, pois é um importante aparelho utilizado em vários setores importantes. O diagnóstico de falhas no momento adequado pode reduzir custos de manutenção e economizar energia. Este artigo utiliza 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 falta entre espiras. A falha entre espiras causa um grande aumento na corrente, o que afeta gravemente 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 redes neurais artificiais (RNA) baseados em aprendizado de máquina (ML) e ANFIS (RNA e Fuzzy) foram aplicados para detecção de falhas. Os modelos baseados em RNA 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 da previsão e valor médio de validação, esses modelos são comparados para descobrir qual é mais adequado para este experimento. Vários algoritmos supervisionados são comparados com RNA, ANFIS e, por último, encontrado qual é o mais adequado para este experimento.

O motor de indução é um dispositivo comumente utilizado e indispensável em diversas indústrias e tem recebido cada vez mais atenção 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 altura manométrica mudará, a vazão mudará e a vibração colossal criará danos graves2. A falha de todo o sistema causa danos ao sistema e cria enormes perdas de energia, e paradas repentinas e não planejadas causam enormes custos de manutenção. É relatado que 30–40% de falhas são observadas em motores de indução para falhas entre espiras do estator3. Na verdade, trata-se de uma falha elétrica, e essa falha elétrica é muito sensível, o que causa graves danos. Apenas 10–20% de falta entre espiras causa um aumento maciço de 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 observada no motor de indução é uma barra do rotor quebrada. As faltas do estator são principalmente três: falta fase-fase, falta entre espiras e falta fase-terra. Entre 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 enorme perda de manutenção7. Foi analisado que 70% do custo de manutenção é destinado ao sistema de bombeamento. Portanto, é necessário melhorar a tecnologia de manutenção para reduzir custos. Várias pesquisas têm sido feitas para detecção de falhas entre espiras em motores de indução. Tensão entre linhas, neutro e ponto estrela do motor foram utilizadas para detecção de faltas. Este foi utilizado como modelo do motor e foi criado um desequilíbrio devido a uma falha de curto-circuito entre espiras. Antes da quebra total e dos danos significativos aos dispositivos, esse desequilíbrio deve ser identificado8. A impedância de seqüência negativa foi estimada e utilizada como indicador de falta na pesquisa. A impendência 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 falta, que foi criada para desequilíbrio.

Para identificar este problema, é necessária a análise de vetores espaciais9. 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, foi adicionada robustez em relação à alimentação de tensão desequilibrada como abordagem10. O espectro de frequência e a análise da transformação rápida de Fourier (FFT) também são úteis para detecção de falhas em motores de indução. Transformações de pacotes wavelet (WPT) e FFT foram utilizadas juntamente com algum tipo de classificador em alguns trabalhos11,12.