Publicação: Detecção automática de falhas em motores de combustão interna utilizando rede neural
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho mostra a implementação de uma ferramenta de diagnóstico automático de
algumas falhas encontradas em motores de combustão interna. Inicialmente é apresentado
um estudo cinemático dos mecanismos geradores das falhas, e a análise modal parcial de
um motor, objetivando prover informações sobre como a energia vibratória se propaga
destes mecansimos até o sensor que capta a assinatura de vibração. Num segundo
momento, especifica-se a cadeia de medição utilizada na aquisição dos sinais, e
caracteriza-se a metodologia empregada no pré-processamento dos sinais adquiridos dos
motores, disponibilizando-os para a fase de extração das características. Na sequência,
utilizando-se da amplitude do espectro do envelope, em frequências características, foram
definidos determinados padrões associados aos defeitos mais frequentemente encontrados
durante os testes na linha de montagem. Conjuntos destes padrões foram apresentados a
uma rede neural objetivando seu treinamento. O tipo de rede neural adotada foi a
probabilística (PNN), por apresentar características desejáveis para resolver o problema em
foco: a confiabilidade do modelo estatístico no qual ela é embasada, a facilidade de adição
ou remoção de padrões no conjunto de dados de treinamento e validação, e o reduzido
tempo computacional dispendido para o seu treinamento. O trabalho termina mostrando um
procedimento de validação, onde foi testada a capacidade da rede treinada, de reconhecer
padrões diferentes dos utilizados no seu treinamento. A rede PNN foi capaz de automatizar
o diagnóstico das falhas, estabelecendo, assim, um critério objetivo de avaliação da
condição de funcionamento dos motores.
Abstract
This work presents the implementation of an automatic diagnosis tool of some faults founded
in spark engine. Firstly, a cinematic study of the fault generating mechanisms is presented,
and a partially modal analysis of an engine is illustrated, objectifying to provide information
on how the vibratory energy spreads of these mechanisms to the sensor that captures the
vibration signature. In a second moment, the measurement instrumentation used in the
engine data aquisition is specified, and the methodology employed in the pre-processing of
engines data is characterized, disposing them for the phase of characteristics extraction. In
the sequence, using the magnitude of envelope spectrum, in characteristic frequencies,
certain patterns associated to the defects more frequently found during the tests in the
assembly line were defined. Groups of these patterns were presented to a neural network
objectifying its training. The type of neural network adopted, was the probabilístic neural
network (PNN), which presents desirable characteristics to solve the problem in focus: the
reliability of the statistical model in which it is based, the addition or removal easiness of
patterns in data set of training and validation, and the reduced computacional time expended
in its training. The work finishes showing a validation procedure, in which the capacity of the
trained net in recognizing patterns that are different from those used in its training, was
tested. The PNN was capable to automate the fault diagnosis, establishing, like this, an
objective approach for the control quality of spark engines operation condition.
Palavras-chave
Diagnóstico automático de falhas, Rede neural probabilística, Análise de vibrações, Motor de combustão interna, Automatic fault detection, Probabilistic neural network, Vibrations analysis, Spark engine
Citação
MANCUZO, Mechelangelo Viana. Automatic fault detection in spark engine using neural network. 1999. 115 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 1999.