Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/10668
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPontes, Ricardo Silva Thé-
dc.contributor.authorOliveira, Átila Girão de-
dc.date.accessioned2015-02-20T11:17:25Z-
dc.date.available2015-02-20T11:17:25Z-
dc.date.issued2014-05-23-
dc.identifier.citationOLIVEIRA, A. G. Classificadores neurais aplicados na detecção de curto-circuito entre espiras estatóricas em motores de indução trifásicos acionados por conversores de frequência. 2014. 98 f. Dissertação (Mestrado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/10668-
dc.description.abstractThis dissertation reports applications of artificial neural networks to detect stator winding interturn fault of three phase induction motor drived by frequency inverter. The artificial neural networks, like Simple and Multilayer Perceptron, served as off-line classifiers to short-circuit fault condition or healthy condition. In the training of Multilayer Perceptron, two different algorithms are used: the error back-propagation, which is a classic algorithm, and the extreme learning machine, as a relative new alternative for the classic back-propagation. The new one is more worthwhile because of its implementation easiness and higher speed of computation. The database used on the training and validation of the networks is created from an experimental setting, therefore it is composed by true data. The attributes used as failures’ indicators are selected from certain frequencies of the spectrum, based on some theories of current signature analysis. In the second instance, the technique of principal components analysis is employed. The results obtained for the designed classifiers are shown, and some considerations are made on their use in real time embedded applications, which is the most important projection for future researches.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectConversores de frequênciapt_BR
dc.titleClassificadores neurais aplicados na detecção de curto-circuito entre espiras estatóricas em motores de indução trifásicos acionados por conversores de frequênciapt_BR
dc.typeDissertaçãopt_BR
dc.contributor.co-advisorMedeiros, Cláudio Marques de Sá-
dc.description.abstract-ptbrEste trabalho deriva da aplicação de redes neurais artificiais para a detecção de curto-circuito entre espiras em motor de indução trifásico, acionado por inversor de frequência. As redes neurais artificiais, do tipo Perceptron Simples e Multicamadas, são usadas para detectar falhas de curto-circuito no bobinamento estatórico de motores de indução trifásicos de forma off-line. Para treinamento do Perceptron Multicamadas são usados dois algoritmos distintos: o error back-propagation, que figura como o algoritmo clássico na literatura especializada, e o extreme learning machine, que é uma alternativa, relativamente recente, ao algoritmo clássico. Este algoritmo é uma opção atraente para o desenvolvimento rápido de classificadores. O banco de dados usado para treinamento e validação das redes é obtido a partir de experimentação laboratorial, portanto composto de dados reais. Os atributos utilizados para a detecção da falha são componentes de frequência do espectro harmônico da corrente estatórica do motor. O critério de escolha destas componentes, a priori, é fundamentado em resultados de investigações prévias da assinatura de corrente e, em segunda instância, é aplicada a técnica de análise de componentes principais. São apresentados os resultados obtidospelos classificadores projetados, e feitas algumas considerações quanto à utilização destes em aplicação embarcada e em tempo real, que é a principal projeção de futuros trabalhos a partir do atual.pt_BR
dc.title.enNeural classifier aplied in stator winding inter-turn short circuit in three-phase induction motors driven by frequency converterpt_BR
Appears in Collections:DEEL - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2014_dis_agoliveira.pdf2,32 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.