Machines Fault Detection 2.0
Poderá descarregar em 5 segundos.
Sobre Machines Fault Detection
As tecnologias de diagnóstico são usadas para aumentar a eficiência das máquinas rotativas nos sistemas energéticos, detetando falhas futuras. As pequenas máquinas rotativas geralmente não têm unidades de diagnóstico a bordo. As unidades de diagnóstico portáteis são caras e requerem informações muito detalhadas sobre máquinas monitorizadas, desde o diâmetro dos elementos rolantes nos rolamentos, até ao número de barras de rotor. Portanto, existe uma área de oportunidade para desenvolver uma unidade de diagnóstico de baixo custo que não requer informações detalhadas sobre a máquina. Os smartphones modernos parecem adequados para esta tarefa porque têm aquisição de dados acústicos e vibratórios incorporados e uma considerável capacidade de computação. No entanto, têm limitações de hardware em comparação com unidades de diagnóstico de última geração, como a taxa de amostragem de dados e a sensibilidade dos sensores.
Um conjunto de motores de indução são testados em condições saudáveis e defeituosas (rotor desequilibrado, rolamentos danificados e barras de rotor quebradas) para analisar vibrações e sinais acústicos registados com um smartphone. Em seguida, os dados gravados são analisados para identificar assinaturas de emissões saudáveis e defeituosas. Um total de cerca de 85 minutos de emissões acústicas e cerca de 125 minutos de dados de vibração são registados em todas as diferentes condições de funcionamento. Os resultados mostram que é possível estimar a velocidade de rotação da máquina e detetar falhas nas gravações do smartphone. A assinatura defeituosa das emissões acústicas situa-se entre 4 KHz – 8 KHz sob a forma de aglomerados de alta magnitude e velocidade pode ser estimada utilizando harmónicas de frequência mecânica de rotação presentes entre 100 Hz-1 KHz. Da mesma forma, a assinatura defeituosa da vibração está localizada ao longo do espectro de frequências sob a forma de picos de alta magnitude e a velocidade de rotação pode ser estimada usando a frequência de vibração máxima. Finalmente, uma aplicação Android totalmente funcional foi desenvolvida com base nos resultados dos testes para detetar automaticamente a velocidade e o estado de saúde do motor. Os testes de validação mostraram 90% de precisão na deteção de falhas.