Fault detection and isolation in induction machine by using techniques of computational intelligence

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 108-117 Inclui índice Resumo: Os objetivos deste trabalho são, propor e discutir um sistema de deteccao e isolamento de faltas de curto circuito entre espiras do enrolamento do estator de m´aquinas de indução, utilizando técnicas de Inteligência Computacional. As características monitoradas para detectar e isolar faltas no estator foram o fator de potência e o valor eficaz da corrente em cada uma das fases que, por sua vez, foram obtidas a partir da saída de um simulador de uma máquina de indução, considerando o comportamento da máquina em diversas situações, com e sem faltas. Posteriormente, um protótipo de laboratório validou os resultados obtidos pela simulação. Em relação à estrutura do sistema de diagnóstico, foram abordadas várias combinações de técnicas utilizando Redes Neurais Artificiais, Lógica Fuzzy e estruturas Neurofuzzy para implementar geradores de resíduos e analisadores de faltas que melhor respondessem às questões relativas à robustez e à capacidade de diagnosticar faltas incipientes. Considerou-se, também, um gerador de resíduos baseado em modelo analítico, como uma das possíveis ferramentas para compor o sistema de diagnóstico proposto. Os resultados apresentados com a utilização de observadores baseados em Redes Neurais e Neurofuzzy, em conjunto com analisadores de resíduos neurais e estruturas fuzzy, apresentaram-se bastante promissores, permitindo comprovar a eficácia deste tipo de abordagem em sistema de diagnóstico de faltas em motores de indução ou, até mesmo, na utilização dessas técnicas em monitoramento de máquinas elétricas em geral. Abstract: The objectives of this work are to propose and discuss a faults detection and isolations system of short circuit between stator winding of induction machines using Computational Intelligence techniques.The characteristics observed to faults detect and isolate in stator was the power factor and current effective value in one of the phases where they were obtained by an induction machine simulator, considering the machine behavior in several situations, with and without faults. After, a laboratory prototype proved the simulation results. About the structure of the diagnostic system, several combinations of Artificial Neural Networks Techniques, Fuzzy Logic and Neuroffuzy structures were showed to implement waste generator and faults analyzer that perform robustness and capacity to diagnose incipient faults. It was considered a waste generator based in an analytical model, with one of the tool possible to compose the diagnostic system proposed. The results performed with the utilization of observers based in Neural Networks and Neuroffuzy, together with waste neural analyzer and fuzzy structures, performed very promising, permitting to prove the effectiveness of this explanation in faults diagnostic system in induction engine or, in the utilization of this techniques in general electrical machines.