Publicação: Balanceamento de máquinas rotativas utilizando redes neurais
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::MECANICA DOS SOLIDOS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Conforme os estudos e as necessidades avançaram ao longo dos anos, metodologias foram
propostas para minimizar uma das principais causas de vibração observadas em máquinas
rotativas, o desbalanceamento. O balanceamento visa, de forma geral, uniformizar a distribuição
de massa ao longo do rotor, o que permite reduzir as forças induzidas por tais irregularidades e,
consequentemente, suas respostas de vibração. Dessa forma, o balanceamento proporciona
uma melhor condição de operação da máquina, com seu maior desempenho e satisfazendo os
limites de segurança previstos por normas técnicas. As técnicas de balanceamento
desenvolvidas ao longo do tempo se diversificaram em alternativas que buscam utilizar a relação
do comportamento dinâmico observado na máquina rotativa com suas características físicas e
geométricas, com a finalidade de prever as massas de correção e suas respectivas posições no
rotor. Entre tais técnicas, é possível destacar desde abordagens mais tradicionais como o Método
dos Coeficientes de Influência (onde se utiliza de massas de teste), até as mais recentes, com o
advento e popularização das técnicas de inteligências artificiais. Este trabalho apresenta como
proposta uma abordagem de balanceamento de máquinas rotativas sem o uso de massas de
teste, utilizando redes neurais. De maneira geral, a rede neural proposta visa estabelecer uma
relação entre as respostas de vibração obtidas na máquina com as possíveis massas e posições
de correção, através de seu treinamento com um banco de dados prévio. Neste trabalho são
abordadas seis configurações, onde nas quatro primeiras utilizam-se do modelo de elementos
finitos (𝑀𝐸𝐹) para a formação do banco de dados (a título de ensaio numérico). As duas últimas
configurações são de natureza experimental (ou seja, o banco de dados da rede é proveniente
dos dados da bancada experimental). Também é proposto nesta dissertação uma abordagem de
expansão de dados que reduz a quantidade de condições de desbalanceamento necessárias
para o treinamento da rede, sendo utilizada para configurações de rede neural numéricas e
experimentais. Cada configuração de rede neural é implementada e avaliada e seus resultados
se mostram promissores.
Abstract
As studies and needs have progressed over the years, methodologies have been proposed to
minimize one of the main causes of vibration observed in rotating machines, which is unbalanced.
Balancing aims, in general, to equalize the mass distribution along the rotor, which allows reducing
the forces induced by such irregularities and, consequently, their vibration responses. Thus,
balancing provides a better operating condition for the machine, with improved performance and
compliance with safety limits specified by technical standards. The balancing techniques
developed over time have diversified into alternatives that seek to utilize the relationship between
the observed dynamic behavior of the rotating machine and its physical and geometric
characteristics, in order to predict the correction masses and their respective positions on the
rotor. Among these techniques, it is possible to highlight more traditional approaches such as the
Influence Coefficients Method (which utilizes trial weights) and more recent ones, with the advent
and popularization of artificial intelligence techniques. This work proposes an approach to balance
rotating machines without using trial weights, employing neural networks. In general, the proposed
neural network aims to establish a relationship between the vibration responses obtained in the
machine and the possible correction masses and positions through training with a previous
database. This work addresses six configurations, where the first four use the finite element
method (𝐹𝐸𝑀) to form the database (as a numerical test). The last two configurations are
experimental in nature (i.e., the network's database comes from experimental bench data). This
dissertation also proposes a data expansion approach that reduces the amount of unbalance
conditions required for network training, which is used for numerical and experimental neural
network configurations. Each neural network configuration is implemented and evaluated, and the
results show promise.
Palavras-chave
Dinâmica de rotação, Balanceamento de máquinas rotativas, Rede neural, Ausência de massa de teste, Rotation Dynamics, Balancing of Rotating Machines, Neural networks, Absence of Test Mass, Engenharia mecânica
Citação
CABRAL, Leonardo Dias da Silva. Balanceamento de máquinas rotativas utilizando redes neurais. 2023. 100 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.377.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto