As correntes trifásicas do motor são a fonte de dados, sendo necessário extrair os seus dados e introduzi-los no sistema de diagnóstico. Os sinais destas correntes são extraídos e entram no sistema, sob a forma de um conjunto de pontos. Estes são processadas de duas formas diferentes, o processamento é uma fase necessária e que antecede a aplicação dos diferentes métodos de deteção de falhas, como se pode ver na figura4.1.
30 Monitorização e análise da condição de falha
Figura 4.1: Esquema do sistema de diagnóstico
Durante a fase de planeamento foram estudados vários modos de falha diferentes, tendo-se identificado três como as mais frequentes, razão pela qual foram selecionados para posteriormente serem detetados. Este é um dos objetivo do projeto como foi referido no capitulo1. Essas três falhas são: barras rotóricas partidas, curto-circuitos nos enrolamentos do estator e falhas nos ro- lamentos. Outro critério de destaque, é explorar o máximo de técnicas de processamento de sinal e métodos de deteção possíveis. Para os curto-circuitos, o processamento dos dados é feito de
4.2 Estrutura do sistema 31
duas formas: no domínio das frequências onde é realizada a sua deteção e no domínio do tempo onde é identificada a fase onde se encontra a falha. No caso das barras partidas e das falhas nos rolamentos, o processamento é feito no domínio das frequências. As considerações para a escolha destes domínios será exposta mais abaixo neste capitulo. No entanto as falhas nos rolamento não chegaram a ser contempladas neste estudo por falta de tempo.
Como se pode ver pela figura4.1, o sistema global está dividido em dois sistemas: um pri- meiro, onde se detetam as falhas no motor e um segundo, onde estas são identificadas. Na primeira parte começa-se por fazer a transformada de Park, de seguida, usando as componentes Id e Iq,
calcula-se o EPVA, termina-se aplicando uma FFT aos valores do EPVA e analisando as frequên- cias e magnitude provenientes desta para a deteção de falhas. Sabendo da existência de uma falha, a segunda parte do sistema procede à sua identificação utilizando dois métodos diferentes. Como foi referido no capítulo2, um curto-circuito nos enrolamentos do estator manifesta-se no espetro de frequência do EPVA com um aumento da componente de 2 fs. Assim com as informações do
primeiro sistema fica-se a saber da existência desta falha, faltando conhecer a fase onde se encon- tra, para isso analisam-se as correntes do motor. O outro métodos consiste no MCSA mas para isso é necessário aplicar primeiro a FFT às correntes do motor como está representado na figura
4.1.
4.2.1 Sistema de deteção de falhas
A transformada de Park, como foi referida no capitulo3, é um método eficaz de deteção de curto-circuitos nos enrolamentos do estator. Em condições de funcionamento normal saudável, esboçando o vetor de Park (Idpor Iq) obtém-se uma forma circular quase perfeita, forma esta que
muda na presença de falhas, como por exemplo, a adoção de uma forma elíptica na presença de curto-circuitos ou o aumentando da sua espessura no caso de barras partidas. No entanto requer que se verifique visualmente esta forma o que não a torna viável na maior parte dos sistemas de deteção automáticos.
Para contornar o problema referido no parágrafo anterior, faz-se uso do EPVA, este como foi referido no capítulo 3, é o modulo das componentes Id e Iq e quando o motor se encontra
em condições de funcionamento normal apenas apresenta uma componente DC. No entanto na presença de falhas passa a ter componentes AC. Aplicando a FFT e monitorizando a componente espetral deteta-se a presença de uma falha. No entanto na prática, verificam-se sempre pequenos picos no espetro das frequências, mesmo no caso do motor funcionar sem falhas, que apesar de terem magnitudes desprezáveis estão presentes. Fazendo então a média das componentes de todas a frequências para quando o motor se encontra saudável e usando um valor relativamente mais alto que esse como limite, podesse passar a usar este método como uma forma de identificar falhas. Na presença de falhas os componentes Ide Iqvão-se alterar, alterando o EPVA e as magnitude das
suas frequências que ao ultrapassar o limite definido apontam para uma falha. Na presença de uma falha passa-se para a próxima fase, a sua identificação que é realizada pelo segundo sistema.
32 Monitorização e análise da condição de falha
4.2.2 Sistema de identificação de falhas
A identificação de falhas recorre neste caso a dois métodos diferentes um para cada uma das falhas testadas que serão abordados de seguida.
4.2.2.1 Identificação de curto-circuitos nos enrolamentos do Estator
Aproveitando a análise espetral do EPVA, deteta-se curtos-circuitos nos enrolamentos do es- tator, pois estes manifesta-se com uma frequência de duas vezes a fundamental no espetro das frequência do EPVA, como foi referido no capítulo2. Então fazendo à análise espetral, recorrendo à FFT, e monitorizando as componentes espetrais, pode-se não só verificar a presença da referida frequência de 2 f s como também de outras falhas. Tendo isto em conta viu-se o valor desta com- ponente quando o motor está a funcionar de forma saudável e a partir desse valor definiu-se um limite, o qual se for ultrapassado significa que o motor tem um curto-circuito nos enrolamentos de uma das fases.
Tendo-se identificado a falha, de seguida é necessário determinar em que fase esta se encontra. Para isso recorre-se à análise das amplitudes das três correntes recolhidas. Sabendo que existe um curto-circuito e a forma como este se manifesta nas correntes, comparam-se as amplitudes de cada uma, e aquela com maior valor será onde se encontra a falha. Este sistema mede a severidade da falha utilizando o método referido no capítulo 2, em que o fator de severidade é dado por SF = IEPVA2 f/IEPVADC. No entanto utilizando a análise das amplitudes também se pode estimar a
severidade da falha pela diferença entre elas.
4.2.2.2 Identificação de barras rotóricas partidas
Sabe-se que barras partidas originam o aparecimento de componentes no espetro das frequên- cias das correntes do estator nas frequências seguintes: fs(1 ± 2ks). Logo analisando a compo-
nente espetral das correntes do motor e procurando estas frequências é possível identificar barras partidas. A frequência com maior magnitude é a de fs(1 ± 2s), ou seja basta estar atendo a esta
componente para a identificação de barras partidas. É isso mesmo que este segundo sistema faz, começa por aplicar a FFT às correntes do motor, de seguida faz a análise desta procurando a frequência fs(1 ± 2s) e medindo a sua magnitude. Se a magnitude desta frequência for um pico e
superior ao limite estabelecido, significa que se encontra uma barra partida. A percentagem entre a magnitude desta frequência e a fundamental, foi implementada como fator de severidade para esta falha, no entanto tem algumas limitações, como será explorado no capitulo6, pois a posição das barras partidas influência a magnitude de fs(1 ± 2s).
Capítulo 5
Aplicação da metodologia em Motores
de Indução Trifásicos
5.1
Introdução
Neste capitulo serão expostos os passos necessários à implementação da metodologia descrita no capitulo anterior. Em primeiro lugar será explicado como foi simulado o motor e os modos de falha referidos, utilizando o software ANSYS Maxwell. De seguida, será apresentada uma explicação detalhada da aplicação desenvolvida, assim como o seu funcionamento.