UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECNICA

Relatrio Final
Trabalho de Graduao II

Anlise de Componentes Independentes (ICA)

na Deteco Automtica de Falhas em
Motores Eltricos de Induo

Autor: Leonardo Dias Pagotto

Orientador: Prof. Dr. Andr Ricardo Fioravanti

Campinas, 12 de Junho de 2015

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECNICA

Relatrio Final
Trabalho de Graduao II

Anlise de Componentes Independentes (ICA)

na Deteco Automtica de Falhas em
Motores Eltricos de Induo
Autor: Leonardo Dias Pagotto
Orientador: Prof. Dr. Andr Ricardo Fioravanti

Curso: Engenharia de Controle e Automao

Trabalho de Graduao apresentado Comisso de Graduao da Faculdade de

Engenharia Mecnica, como requisito para a obteno do ttulo de Engenheiro de
Automao e Controle.

Campinas, 2015
S.P. Brasil

ndice

Resumo .................................................................................................................................................. 1
Lista de Figuras ...................................................................................................................................... 2
Lista de Tabelas ..................................................................................................................................... 2
Captulo 1 ............................................................................................................................................... 3
Introduo .............................................................................................................................................. 3
Captulo 2 ............................................................................................................................................... 5
Reviso Bibliogrfica............................................................................................................................. 5
2.1 Fluxograma do processo de anlise de vibrao .......................................................................... 8
2.2 Anlise Espectral de Sinais .......................................................................................................... 9
2.3 Descrio da DFT ...................................................................................................................... 12
2.4 Janelamento................................................................................................................................ 14
2.5 Identificao de Modelos de Falhas em Motores ...................................................................... 16
2.6 Anlise de Componentes Independentes (ICA) ......................................................................... 18
2.7 Princpios da Anlise de Componentes Independentes ............................................................. 19
2.8 ICA em Problemas Subdimensionados Anlise de Componentes Esparsos .......................... 20
Captulo 3 ............................................................................................................................................. 24
Procedimento Experimental ................................................................................................................. 24
Captulo 4 ............................................................................................................................................. 30
Resultados e Discusses ...................................................................................................................... 30
Captulo 5 ............................................................................................................................................. 46
Concluses ........................................................................................................................................... 46
Referncias Bibliogrficas ................................................................................................................... 47

Resumo

PAGOTTO, Leonardo Dias, Anlise de Componentes Independentes (ICA) na Deteco

Automtica de Falhas em Motores Eltricos de Induo, Faculdade de Engenharia
Mecnica, Universidade Estadual de Campinas, Trabalho de Concluso de Curso,
(2015).

A deteco antecipada de falhas em equipamentos uma das maiores preocupaes

na indstria. Muitas tcnicas foram desenvolvidas para a deteco de falhas em mquinas
rotativas. A anlise de vibrao no domnio da frequncia a tcnica mais usada uma vez
que praticamente todas as falhas em motores esto relacionadas mudana em sua
dinmica. Os dados obtidos foram coletados pelo dispositivo para aquisio de acelerao
tri-axial de motores eltricos desenvolvidos na disciplina de Trabalho de Graduao I, base
para aplicao da teoria de separao cega de fontes atravs do mtodo conhecido como
Anlise de Componentes Independentes (ICA). A comparao entre o nmero de fontes de
diversos motores foi utilizada para validar a quantidade de componentes na frequncia e a
respectiva correlao com falhas em motores eltricos.

Palavras Chave: Anlise de Vibrao, Deteco de Falhas, Anlise de Componentes

Independentes

Lista de Figuras

Figura 1. Falhas comuns e suas causas em motores de induo .............................................. 5

Figura 2. Possvel falha do motor relacionada frequncia de vibrao .................................. 7
Figura 3. Condio de operao do equipamento e vida til....................................................... 7
Figura 4. Etapas do monitoramento por anlise de vibrao ...................................................... 8
Figura 5. Etapas da anlise espectral ........................................................................................... 10
Figura 6. Resoluo do espectro na frequncia .......................................................................... 11
Figura 7. Resposta em frequncia da resposta ao impulso ....................................................... 13
Figura 8. Janela retangular, Hamming e Blackman .................................................................... 15
Figura 9. Espectro qualitativo de vibrao para falhas tpicas em motores ............................ 17
Figura 10. Motor de induo com rotor de gaiola de esquilo ..................................................... 26
Figura 11. Local de instalao dos motores utilizados ............................................................... 28
Figura 12. Comparao entre janelas para o motor 2 ................................................................ 30
Figura 13. Comparao entre janelas para o motor 3 ................................................................ 31
Figura 14. Influncia do numero de pontos da DFT no espectro .............................................. 32
Figura 15. Efeito da diminuio do tamanho da janela no espectro ......................................... 33
Figura 16. DFT dos sinais originais dos acelermetros no motor 1 ......................................... 34
Figura 17. Perfil de clusters em grfico semi-log para r3 do motor 1........................................ 35
Figura 18. DFT dos sinais filtrados dos acelermetros nas trs dimenses ........................... 35
Figura 19. Sinal original da acelerao radial e respectivo espectrograma ............................ 36
Figura 20. DFT dos sinais originais dos acelermetros do motor 2 ......................................... 36
Figura 21. Perfil de clusters em grfico semi-log para r1 do motor 2........................................ 37
Figura 22. DFT dos sinais filtrados dos acelermetros nas trs dimenses ........................... 38
Figura 23. Sinal original da acelerao radial e respectivo espectrograma ............................ 38
Figura 24. DFT dos sinais originais dos acelermetros do motor 3 ......................................... 39
Figura 25. Perfil de clusters em grfico semi-log para r3 do motor 3........................................ 40
Figura 26. DFT dos sinais filtrados dos acelermetros nas trs dimenses ........................... 40
Figura 27. Sinal original da acelerao axial e respectivo espectrograma ............................. 41
Figura 28. DFT dos sinais originais dos acelermetros do motor 4 ......................................... 41
Figura 29. Perfil de clusters em grfico semi-log para r2 do motor 4........................................ 42
Figura 30. DFT dos sinais filtrados dos acelermetros nas trs dimenses ........................... 43
Figura 31. Sinal original da acelerao axial e respectivo espectrograma ............................. 43

Lista de Tabelas

Tabela 1. Melhor funo de janelamento por aplicao ............................................................. 15

Tabela 2. Resumo dos principais recursos do Arduino Uno R3 ................................................ 24
Tabela 3. Resumo dos principais recursos do MMA7361 .......................................................... 25
Tabela 4. Especificaes dos motores utilizados ........................................................................ 27

Captulo 1

Introduo

A deteco antecipada de falhas em equipamentos industriais uma grande

preocupao da indstria, sendo necessria para garantir a disponibilidade dos processos
produtivos. no estgio onde os equipamentos comeam a apresentar suas primeiras
falhas que mais fcil consert-lo, beneficiando assim a indstria com menores custos e
tempos de manuteno.

Motores de induo so grandemente empregados graas sua robustez, baixo

custo, baixa manuteno e alta versatilidade; representando 85% do consumo de energia
mundial [2]. Falhas nos motores de induo podem proporcionar interrupes no
previstas em linhas de produo, causando consequncias severas na qualidade de um
produto, segurana e custo. Por essa razo, a deteco antecipada de falhas em motores
de induo tem atrado ateno de diversos pesquisados nos ltimos tempos [3-6].

As tcnicas mais populares de deteco de falhas em motores de induo so

baseadas na analise da corrente do motor (MCSA Motor Current Signature Analysis) e
na anlise de vibrao [7] por se tratar de tcnicas no invasivas. No entanto, a anlise de
vibrao no domnio da frequncia a tcnica mais usada uma vez que praticamente
todas as falhas em motores esto relacionadas mudana em sua dinmica. Alm disso, a
anlise no domnio da frequncia d maiores informaes sobre o estado de um
equipamento do que a anlise no domnio do tempo.

Tcnicos

responsveis

pela

manuteno

preventiva

normalmente

utilizam

analisadores de vibraes dotados de um nico canal, monitorando a vibrao em uma

nica dimenso do equipamento; aparelhos que realizam mltiplas medies so caros e
so geralmente utilizados em outras aplicaes, e ainda assim no so especficos para
realizar um monitoramento contnuo no equipamento. Por essa razo, o desenvolvimento
de uma instrumentao que realize essa anlise de vibrao completa no equipamento
sem a necessidade de pessoal treinado e com monitoramento contnuo ser estudado.

Novos trabalhos tm tratado desse tema introduzindo melhorias com relao aos
trabalhos anteriores. Em [8], um analisador de vibrao em mltiplos-eixos foi
desenvolvido, porm sendo ainda necessria a utilizao de um PC para a anlise do
espectro e exibio do resultado. Em [9] um analisador de vibrao baseado na
Transformada Rpida de Fourier (FFT - Fast Fourier Transform) capaz de ajustar
parmetros para melhor obteno do espectro foi introduzido. Em [10] uma nova
abordagem desenvolvida com a utilizao de FPGA (Field Programmable Gate Array)
para o calculo do espectro em tempo real sem o uso de um computador graas s altas
velocidades de processamento do FPGA.

A aplicao da ICA em deteco de falhas em motores eltricos [19] pode ser

interpretada da mesma maneira que na deteco da voz no exemplo clssico da BSS [20].
Um motor eltrico na indstria apresenta vibraes relativas a diversas fontes, podendo ser
atribudas ao solo, carga, rotao do motor, acoplamentos mecnicos ou deficincia no
funcionamento. A captao dos sinais provenientes de diferentes fontes pode ser realizada
por acelermetros mecanicamente acoplados a carcaa do motor.

Captulo 2

Reviso Bibliogrfica

O estudo de deteco de falhas em mquinas rotativas um tema recorrente no

meio acadmico graas a sua grande aplicabilidade no meio industrial, como em mancais
ou motores. Basicamente as duas tcnicas mais populares de deteco de falhas em
motores so feitas monitorando a corrente eltrica do estator ou monitorando a vibrao do
motor [1]. As falhas comuns em motores, relacionados tanto ao estator quanto ao rotor
esto representadas na figura abaixo.

Figura 1. Falhas comuns e suas causas em motores de induo

5

A tcnica de monitoramento por corrente, conhecida tambm como MCSA,

baseada na corrente circulando no estator para assim relacionar o sinal medido com uma
falha especifica. Essa tcnica pode ter ainda duas variaes: uma baseada no estado
estacionrio; outra baseada na inicializao, ou transiente.

Anlise no estado estacionrio apresentada em [11], onde o autor foca o trabalho

na deteco de barras quebradas do rotor identificando faixas de frequncias
caractersticas que aparecem no espectro quando o motor apresenta esse tipo de
problema. Anlise na corrente em estado estacionrio pode ainda detectar outros tipos de
falhas, como excentricidade do entreferro, problemas no mancal, efeitos de carregamento,
entre outras, como em [12]. Anlise no transiente tambm utilizada para deteco de
falhas em motores, onde a transformada discreta pode ser aplicada para detectar barras
quebradas do rotor utilizando parmetros de ponderao.

A tcnica MCSA gera bom resultados, porm como todas as formas de deteco de
falhas requerem instrumentao e algoritmo especfico para gerar um diagnstico
automtico correto. Por outro lado, a anlise de vibrao pode ser usada como uma
tcnica geral de deteco de falha, pois praticamente todas as falhas so causadas por
causadas por mudanas na vibrao do motor. Muito embora haja um grande esforo em
pesquisa para estabelecer a relao entre a falha de um motor e sua vibrao.

Em [13], a anlise de vibrao aplicada para a deteco de diferentes falhas

utilizando a FFT como ferramenta matemtica. Outra aplicao mostrada em [14], onde
ambos os espectros de corrente e vibrao so utilizados para detectar barras de rotores
quebradas em motores sem cargas. Abaixo segue figura com sntese da associao entre
a possvel falha e sua correspondente frequncia de vibrao, com base na velocidade de
rotao do motor.

Esse monitoramento baseado em vibrao tem se tornado nos ltimos anos uma
tcnica significativamente popular, graas a sua versatilidade e habilidade em detectar de
maneira eficaz as menores mudanas no modo de operao do um equipamento que
poderia eventualmente levar a uma parada. A anlise de vibrao foi considerada nos
ltimos estudos como a tcnica de monitoramento com capacidade de oferecer a maior
vida til ao equipamento [18].
6

Figura 2. Possvel falha do motor relacionada frequncia de vibrao

A aquisio adequada dos dados de vibraes de imenso valor ao tentar

diagnosticar pequenas mudanas relativas operao normal do equipamento, que pode
ser devido manuteno incorreta no equipamento, problemas operacionais, de
desenvolvimento ou instalao, ou ainda envelhecimento. A figura abaixo mostra uma
comparao entre o tempo estimado para a falha no equipamento com relao s tcnicas
mais convencionais de monitoramento.

Figura 3. Condio de operao do equipamento e vida til

2.1 Fluxograma do processo de anlise de vibrao

O monitoramento pela anlise de vibrao utiliza tcnicas para a determinao do

estado real de operao dos equipamentos, assim manutenes preventivas podem ser
realizadas no equipamento com base nas vibraes que ele apresenta e que estejam fora
de condies normais. As atividades principais podem ser esquematizadas como na figura
abaixo.

Figura 4. Etapas do monitoramento por anlise de vibrao

Os dados de vibraes dos equipamentos so normalmente adquiridos atravs de
transdutores (de acelerao, velocidade ou posio), que convertem a vibrao medida
num sinal apropriado, normalmente voltagem. Outro ponto importante na seleo do
parmetro de medio a frequncia de interesse. Independente do caso, entretanto, um
sinal relativamente grande necessrio para obter uma boa relao sinal-rudo, que a
razo da amplificao e condicionamento do sinal.

Rudos podem aparecer das conexes eltricas dos prprios transdutores ou de

outras fontes de interferncia de sinais diferentes da medida, como por exemplo,
equipamentos adjacentes. A utilizao de um filtro passa baixa ou anti-aliasing (projetado
para eliminar frequncias maiores que a metade da frequncia de amostragem)
altamente recomendvel, de maneira a evitar o aparecimento de altas frequncias nas
regies de baixas frequncias.
8

A conhecida regra da mo direita prope que sensores de deslocamento sejam

usados para baixas frequncias, sensores de velocidade para mdias frequncias e
sensores de acelerao para altas frequncias. Isso porque quanto maior a rigidez do
princpio de funcionamento do sensor, maior sua frequncia natural de operao, a razo
de acelermetros serem muito estveis nas regies de altas frequncias. Sensores de
velocidades, por outro lado, possuem grandes massas e baixa rigidez e uma frequncia
natural mais baixa, e por esse motivo tem mais estabilidade para frequncias abaixo de
sua frequncia natural.

Outro ponto essencial durante a aquisio de dados de vibrao que o grau de

repetitividade conseguido com os sensores de vibrao altamente dependente da
maneira que ele montado no equipamento (acoplado, adesivo, im ou com a mo),
especialmente quando lidamos com falhas em altas frequncias como nos rolamentos.
Isso implica que o intervalo de linearidade do sensor diminui proporcionalmente rigidez
da montagem, motivo pelo qual a repetitividade diminuir de sensores acoplados
mecanicamente ao equipamento comparado a aqueles fixados a mo.

Uma vez os complexos dados de vibrao (caracterizado por vrios componentes

de frequncias com diferentes amplitudes, devido a diferentes foras geradas por cada
componente da montagem) so coletados, eles podem ser processados utilizando analises
no domnio do tempo, da frequncia ou tempo-frequncia. A etapa final do processo de
anlise de vibrao o diagnstico do problema, onde diferentes caractersticas obtidas
dos dados de vibrao processados so combinadas para prever falhas (desalinhamento,
desgaste do eixo, folga, rachaduras) assim como componentes defeituosos.

2.2 Anlise Espectral de Sinais

muito comum existir uma informao codificada em forma de ondas senoidais em

um sinal, ocorrendo na forma natural deste ou naqueles criados por humanos. Na dinmica
universal diversos mecanismos assumem movimentos oscilantes e a forma do sinal no
tempo normalmente esconde informaes preciosas sobre esse sinal. Essas informaes
chave so melhores interpretadas no domnio da frequncia, determinados por amplitude,
9

frequncia e fase. Nesse contexto a transformada de Fourier extremamente utilizada

para extrair essas caractersticas do sinal.

Ao analisamos um sinal a primeira ao simplesmente observ-lo. Na figura

abaixo (a) vemos uma quantidade grande de rudos e poucas informaes primeira vista.
Multiplicando esse sinal por outro na forma de uma curva suave, nesse caso a janela de
Hamming (b), obtemos um sinal onda as amostras prximas aos extremos tem reduo em
sua amplitude (c).

Figura 5. Etapas da anlise espectral

Aplicando a transformada de Fourier para um sinal digital, obtemos assim o espectro
em frequncia e amplitude do sinal (d). Mesmo aps esse processamento, o resultado
ainda encontra-se cheio de rudos. Isso acontece quando no h pontos suficientes no
sinal original de forma a obter uma curva com um comportamento melhor definido. A
utilizao de mais pontos na DFT (Discrete Fourier Transform) no causa alteraes j que
quanto maior o nmero de amostras no espectro a informao diluda pelo mesmo fator.
Quanto maior o nmero de pontos na DFT melhor a resoluo na frequncia para um
mesmo nvel de rudo.

10

A utilizao de mais pontos no sinal original uma forma de contornar esse

problema sem aumentar o numero de pontos do espectro na frequncia. Isso pode ser feito
segmentando o sinal de entrada e cada um desses segmentos sendo multiplicados por
janelas especificas, obtendo uma DFT desse segmento. O espectro em frequncia
resultante ento uma mdia desses espectros (e). Assim o rudo presente no sinal
original claramente atenuado e permite que suas caractersticas principais sejam
analisadas tendo somente a magnitude da amplitude rateada no resultado. O rudo assim
diminudo na mesma proporo que a raiz quadrada do nmero de segmentos.

Outra forma de atenuar esse rudo espectral a utilizao de um filtro passa-baixa

digital com o custo da diminuio da resoluo. Todavia para obteno de um espectro
com menor rudo e melhor resoluo uma boa soluo adquirir mais dados do sinal de
entrada. Com mais pontos (melhor resoluo) e maior nmeros de segmentos do sinal
(menor rudo) obtemos um sinal de sada mais limpo e fcil de ser analisado.

H ainda dois fatos que determinam a resoluo em frequncia, dada pelo quo
prximo dois picos podem ser distinguidos sem se fundirem. O primeiro o comprimento
da DFT: o espectro produzido por um sinal de tamanho N consiste em N/2+1 amostras
igualmente espaadas entre o zero e metade da frequncia de amostragem. Para separar
esse dois picos, a resoluo na frequncia deve ser menor que a distncia entre esses
dois picos. Na figura abaixo, a DFT de 512 pontos suficiente para separar os picos no
sinal, enquanto que uma DFT de 128 pontos no.

Figura 6. Resoluo do espectro na frequncia

11

Outro fator que limita a resoluo o tamanho do sinal da entrada. Em um

segmento de sinal curto, a forma de onde pode ter a forma de somente uma onda senoidal.
Quanto mais prximas s frequncias, mais longo o segmento deve ser para concluir que
mais de uma frequncia est presente. Quando obtemos um sinal curto e adicionamos
zeros no mudamos a forma do espectro, mas obtemos mais amostras na frequncia e
uma leve melhora na identificao de picos prximos.

2.3 Descrio da DFT

Sistemas so analisados no domnio do tempo usando convoluo. Uma anlise

similar pode ser feita no domnio da frequncia. Usando a transformada de Fourier, todo
sinal pode ser representado como um conjunto de senos, cada um com uma amplitude e
defasagem especfica. Da mesma forma, a DFT pode ser usada para representar cada
sinal de sada da mesma maneira. Isso significa que qualquer sistema linear pode ser
completamente descrito como uma mudana nas amplitudes e fases de senos do sinal.
Essa informao a resposta em frequncia do sistema. A relao entre a resposta ao
impulso e resposta em frequncia um fundamento do processamento de sinal: a resposta
em frequncia de um sistema a transformada de Fourier da resposta ao impulso dele.

A figura abaixo mostra a utilizao da DFT para converter a resposta ao impulso de

um sistema na sua resposta em frequncia. Em (a) temos a resposta em frequncia do
sistema, que no mostra muita informao sobre a forma que o sistema comporta. Com a
aplicao da DFT dessa resposta ao impulso obtemos a resposta em frequncia do
sistema (b). Assim fica mais evidente que o sistema passa frequncias entre 0.2 e 0.3 e
rejeita todas as outras, tambm conhecido como filtro passa-banda.

Essa resposta em frequncia apresenta baixa resoluo uma vez que o nmero de
amostras definindo esse espectro baixo. Essa situao pode ser melhorada adicionando
zeros resposta ao impulso antes de aplicar a DFT (c). Assim o espectro obtido depois da
utilizao desse artifcio resulta em um espectro com maior resoluo(d), o que pode ser
feito aumentando a quantidade de zeros infinitamente e resultando em um sinal
praticamente contnuo.

12

Figura 7. Resposta em frequncia da resposta ao impulso

H ainda de se considerar outro membro da famlia da transformada de Fourier, a
Transformada de Fourier a Tempo Discreto (DTFT). Dado um sinal de N amostras no
tempo, ao aplicar a DFT produzimos um sinal de N/2 + 1 amostras no domnio da
frequncia, pois a DFT considera que o sinal no domnio do tempo infinitamente longo e
peridico. Preenchendo o sinal no domnio do tempo com zeros, o espectro resultante
possui maior resoluo, deixando a frequncia de amostragem cada vez menor.

Se levarmos esse caso ao extremo, preenchendo esse sinal com um nmero infinito
de zeros no domnio do tempo, encontramos duas situaes. Como o sinal no tempo tem
um perodo infinitamente longo, o sinal torna-se aperidico. Alm disso, o sinal no domnio
da frequncia tem espaos infinitesimais entre as amostras, ou seja, tornou-se um sinal
contnuo. A DTFT uma tcnica que transforma um sinal discreto aperidico em um sinal
continuo no domnio da frequncia. Em termos matemticos, a resposta em frequncia de
um sistema a DTFT da resposta ao impulso dele. Uma vez que esse sinal continuo e
no pode ser processado no computador, a DFT utilizada calculando-se uma taxa de
amostragem para encontrar a correta resposta em frequncia.
13

2.4 Janelamento

Quando um pico em um espectro representado por um nico ponto, ele mostra a

frequncia exata existente no sinal. Se um pico visto em entre vrias frequncias do
sinal, pode ter ocorrido o aparecimento de vazamento no pico. A soluo para esse
problema multiplicar o sinal por uma janela antes de aplicar a DFT. O sinal assim
modificado em trs aspectos: o formato do pico favoravelmente mais parecido; o
vazamento consideravelmente reduzido; e a resoluo do espectro reduzida fazendo
que os picos sejam mais largos, sendo um ponto negativo. Assim, no jargo do DSP, a
janela um compromisso entre melhor resoluo (largura do pico) e leakage espectral
(amplitude dos vazamentos).

O janelamento basicamente uma tcnica utilizada para moldar o formato de uma

poro de sinal medida no tempo para minimizar os efeitos dos extremos que resulta em
leakage espectral no espectro da DFT. Ao tomarmos um sinal senoidal discreto
infinitamente longo com frequncia de amostragem pequena, o espectro do sinal ser um
pico infinitamente estreito e todas as outras frequncias sendo zero. Porm vale ressaltar
que nem esse sinal e nem seu espectro podem ser processados em um computador, por
ter natureza infinita. Para contornar essa situao, modificamos esse sinal de duas
maneiras que distorcem o sinal.

Primeiramente truncamos a informao no sinal multiplicando por uma janela. Por

exemplo, a multiplicao por uma janela retangular de tamanho N permite manter valores
corretos para os N pontos, com todas as outras amostras no sinal infinitamente longo
sendo definidas como zero. A janela de Hamming por sua vez molda o sinal de uma forma
especifica dentre desses N pontos, e define os valores extremos desse intervalo como
sendo zero. O sinal ainda considerado infinitamente longo, mas somente uma quantia
finita de amostras tem valores diferentes de zero.

14

Figura 8. Janela retangular, Hamming e Blackman

Quando dois sinais no domnio do tempo so multiplicados, o sinal correspondente
na frequncia a convoluo entre eles. Uma vez que o espectro original um pico na
forma da funo delta, o espectro do sinal janelado o espectro da janela na regio do
pico. Essas janelas degradam o espectro do sinal alargando o seu pico e adicionando um
vazamento no sinal. Esse um resultado inevitvel uma vez que somente uma poro do
sinal original utilizada. Acima podemos ver a relao entre trs janelas: a blackman
possui o maior lbulo principal (ruim), mas as menores amplitudes nos lbulos secundrios
(bom); a janela retangular tem o menor lbulo principal (bom), porm os maiores lbulos
secundrios (ruim); a hamming est entre ambas. A melhor funo de janelamento deve
ser escolhida com base na aplicao, como mostrado na tabela abaixo.

Tabela 1. Melhor funo de janelamento por aplicao

Best for these Signal

Frequency

Spectral

Amplitude

Types

Resolution

Leakage

Accuracy

Rectangular

Transient

Best

Poor

Good

Barlett

Random

Good

Fair

Fair

Blackman

Random or mixed

Poor

Best

Good

Flat top

Sinusoids

Poor

Good

Best

Hanning

Random

Good

Good

Fair

Hamming

Random

Good

Fair

Fair

Kaiser-Bessel

Random

Fair

Good

Good

None (boxcar)

Transient & Synchronous

Best

Poor

Poor

Tukey

Random

Good

Poor

Poor

Welch

Random

Good

Good

Fair

Window

15

A segunda forma de modificar o sinal de forma a ser representado em um

computador selecionar N pontos do sinal. Esses N pontos devem conter todos os valores
no zeros dados pela janela, mas podem tambm incluir um numero de zeros, que como
o efeito de amostrar o espectro em frequncia do sinal contnuo. Se N for escolhido como
maior que a largura da janela, as amostras no domnio da frequncia sero prximas o
bastante para que os picos do espectro contnuo sejam preservados nesse espectro
discreto. Se N for do mesmo tamanho que a largura da janela, o nmero menor de
amostras no espectro resultante pode originar em picos irregulares, dependendo de onde
as frequncias do sinal esto localizadas.

2.5 Identificao de Modelos de Falhas em Motores

Para a realizao do diagnstico de motores com falhas ou sem falhas so

adotados modelos como referncia. A anlise de vibraes no domnio da frequncia
utiliza parmetros do espectro do sinal como forma de reconhecer esses padres. Alguns
estudos na literatura apresentam a relao entre defeitos e caractersticas de vibrao em
mquinas eltricas [16-17].

O espectro do sinal durante operao normal (unfault) de um motor caracterizado

por uma harmnica na frequncia de rotao do motor, F w (figura abaixo), seguida de um
nmero de harmnicas cuja amplitude geralmente menor que um tero da amplitude de
Fw. Se uma reduo presente no sistema, no mnimo trs harmnicas principais devem
aparecer: uma na frequncia de rotao do eixo de baixa velocidade, uma na frequncia
de rotao do eixo de alta velocidade e outra na frequncia do mecanismo de reduo.
Alm disso, outras harmnicas esto presentes no espectro do sinal de um motor sem
falhas por causa de vibraes existentes na estrutura onde o motor est localizado.

Todo tipo de falha mecnica causa uma alterao especifica no espectro de um

motor com relao a um motor sem falhas. Um eixo desbalanceado (unbalance) gera uma
vibrao radial considervel em Fw, e essa amplitude depende da rigidez na direo da
analise. O efeito no espectro um grande aumento na amplitude na frequncia de F w.

Uma vibrao radial na frequncia igual a duas vezes F w o principal efeito do

desalinhamento (misalignment). Nesse caso, amplitude na frequncia 2Fw normalmente
16

excede 75% da amplitude em Fw, e at mesmo 150% no caso de dano maior. Outro
sintoma de desalinhamento uma componente axial de grande amplitude de vibrao.

Uma folga mecnica (looseness) no suporte, na base ou no mancal caracterizada

por um grande numero de harmnicas, e sobretudo de sub-harmonicas, no espectro
dependendo do ponto e direo de anlise. Outros tipos de folgas envolvem o suporte do
motor como um todo, nesse caso, o efeito simplesmente o aumento da amplitude na
frequncia Fw.

Uma classe de problemas considera a reduo (gear) quando em operao. Esse

componente gera um amplo espectro que compreende desde frequncia abaixo de F w at
mltiplos da frequncia do mecanismo de reduo. Essa frequncia geralmente rodeada
por outros harmnicos de menor amplitude localizados em ambos os lados. Problemas na
reduo como desgaste, desalinhamento e folgas causam alterao no nmero e na
amplitude dessas harmnicas.

Figura 9. Espectro qualitativo de vibrao para falhas tpicas em motores

Um defeito no rolamento (bearing) gera a apario de amplitudes nos espectros que

dependem de parmetros geomtricos do rolamento e da velocidade de rotao. Essas
frequncias so relativas frequncia de operao, frequncias de passagem do anel
interno e externo (IBPF e OBPF), frequncia de rotao das esferas e a frequncia da
pista. Por exemplo, um nico defeito na pista do anel externo causa uma vibrao
impulsiva a cada vez que uma esfera passa pelo defeito.

A anlise das caractersticas de vibrao em motores permite a identificao de

parmetros para modelos lgicos e numricos. Para motores eltricos de induo, o
17

numero de harmnicas de Fw, a amplitude das cinco primeiras, a razo de amplitude entre
a segunda harmnica (2Fw) e a fundamental (Fw), e a soma de todas as harmnicas podem
ser considerados como parmetros para um modelo. Algumas frequncias caractersticas
(0.5 Fw, 1.5 Fw, 2.5 Fw, OBPF, IBPF) so consideradas como parmetros lgicos [13].

Obviamente os valores para modelos com falhas e sem falhas devem ser estimados
com base em dados de medies reais. Essa exigncia claramente evidenciada por
significativas diferenas entre um espectro real sem falha e um terico. Isso representa um
problema perturbador, uma vez que a maioria das falhas so irreversveis ou impossveis
de serem produzidas durante perodos de operao de motores eltricos.

De maneira a contornar esse problema, alguns pesquisadores tm adotado

procedimentos baseados na simulao de falhas. Uma maneira utilizar geradores de
forma de ondas modificando aquisies reais de motores sem falhas. Dessa maneira
possvel adicionar harmnicas nos sinais de forma a obter um espectro de um motor com
falhas. O uso de um gerador de ondas permite que a falha seja induzida a qualquer
instante de operao do equipamento, e assim podemos realizar testes para motores com
falhas ou sem falhas.

2.6 Anlise de Componentes Independentes (ICA)

A Anlise de Componentes Independentes (ICA) um dos tpicos mais relevantes

da teoria moderna de processamento no supervisionado de sinais [19]. Um dos motivos
para o interesse em ICA a sua capacidade de aplicao e baixa complexidade para
realizao de separao cega de fontes ou BSS (Blind Source Separation).

O exemplo clssico de separao cega de fontes conhecido como Cocktail Party

Problem, que consiste na separao de n sinais de voz misturados e gravados por m
microfones dispostos em diferentes pontos de uma sala. Cada sinal gravado representa a
soma ponderada nos n sinais de voz associados a cada pessoa em uma sala. Podemos
representar essa estrutura pelas seguintes equaes lineares abaixo

18

1 () = 11 1 + 12 2 + + 1
2 () = 21 1 + 22 2 + + 2

() = 1 1 + 2 2 + +
onde os parmetros espaciais aij variam conforme as distncias dos sensores at as
fontes. A ideia de ICA surge como uma proposta de estimao de sinais originais da voz
s1, s2, ..., sn por meio apenas dos sinais de mistura x1, x2, ..., xm.

A abordagem de ICA para esse tipo de problema se baseia no uso de propriedades

estatsticas dos sinais das fontes para estimar os pesos aij. Para a utilizao desta tcnica
de separao, basta que sejam vlidas as hipteses de independncia e distribuio no
gaussiana dos sinais s1, s2, ..., sn. Dessa forma o uso do mtodo de ICA pode ser til para
uma srie de aplicaes envolvendo o processamento e anlise de sinais.

2.7 Princpios da Anlise de Componentes Independentes

A observao de m misturas lineares de n componentes independentes dada por

= 1 1 + 2 2 + +

1,2,

Para a modelagem do mtodo de ICA, assume-se que cada mistura xj e cada

componente independente si seja uma varivel aleatria de mdia zero. Quando a ltima
proposio no for verdadeira uma alternativa imediata a centralizao forada das
variveis aleatrias xj em torno de zero por meio da extrao do valor da mdia dos
valores de cada amostra. Usando a notao matricial, esse modelo pode ser definido
matematicamente por
x = As

onde A corresponde a matriz com os elementos de mistura aij, s o vetor de componentes

independentes s1, s2, ..., sn e x o vetor de misturas. Nesta seo assumiremos que a
matriz desconhecida de mistura seja quadrada, ou seja, que o nmero de sensores seja
19

igual ao numero de fontes independentes, n=m. Uma vez estimada a matriz A, torna-se
possvel computar a matriz inversa, W, por meio da qual se estimam as componentes
independentes tal que
s = Wx

Em [19] apresentado em detalhes os conceitos de independncia e descorrelao

de sinais. Os mtodos de ICA restringem estimativa de descorrelao das componentes
independentes, uma vez que isso reduz enormemente o nmero de parmetro livres,
simplificando a resoluo do problema.
Para verificar o princpio bsico de ICA, define-se a mudana de varivel y = bTx,
onde x = As e, portanto, y = bTAs. Pode-se obter, ainda, a varivel auxiliar wT = bTA e,
sendo assim, temos y = wTs. Baseado nas duas formas de representao de y, temos
bT x = wTs. Tomando bT como o vetor que maximiza a no-gaussianidade de bTx, desejase que o correspondente vetor wT do sistema de coordenadas transformado seja,
necessariamente, um vetor com apenas um nico elemento no-nulo. Isso implica
bTx = wTs resultando em apenas um componente independente. A otimizao de uma
superfcie de no gaussianidade no espao de n dimenses do vetor w apresentar 2n
mximos locais, dois para cada componente independente, correspondente aos sinais s i e
si. Para encontrar todos os sinais independentes, portanto, preciso encontrar todos
esses mximos locais.

Para que seja possvel a abordagem do problema de separao de fontes baseada

em algum critrio de no-gaussianidade preciso estabelecer uma medida quantitativa da
gaussianidade propriamente dita. Algumas funes utilizadas com esse propsito so
descritas em [19]. No presente trabalho ser utilizada a funo negentropia como uma
medida de gaussianidade.
2.8 ICA em Problemas Subdimensionados Anlise de Componentes Esparsos

A estimao do nmero de fontes de um sistema motor com base nos perfis de

sinais de vibrao mecnica um cenrio onde o nmero de fontes maior do que o
nmero de sensores presentes em cada eixo. Assim temos os sinais das misturas
20

subparametrizadas e, portanto, num primeiro momento no seria possvel resolver o

problema de separao apenas pela hiptese de independncia dos sinais da fonte.

Uma possibilidade para solucionar esse tipo de problema seria considerar a hiptese
de que os sinais envolvidos apresentem, alm da independncia, certo grau de
esparsidade [21]. Esse perfil esparso poderia ocorrer tanto no domnio do tempo quanto
para qualquer outro domnio que seja resultado de uma transformao linear, como o
domnio da frequncia. Desta maneira garante-se tambm a preservao da caracterstica
de independncia dos sinais. Neste trabalho ser usada a abordagem mais comum para
obteno de uma representao esparsa. Trata-se da transformada STFT (Short-Time
Fourier Transform).

Na hiptese de que o nmero de fontes em cada eixo seja maior que 1 tem-se que o
nmero de subespaos gerados pelas misturas menor que o nmero de subespaos
gerados pelas fontes. Trata-se, portanto, de um problema subparametrizado. O fato de
serem sinais esparsos indica que os dados observados estaro concentrados em torno de
certo nmero k de subespaos.

A ideia central deste mtodo encontrar os k subespaos de maior concentrao

utilizando-os, posteriormente, para estimar o nmero e determinar as direes dos vetores
coluna da matriz de mistura. A partir da hiptese de esparsidade, pode-se arbitrar que o
nmero de fontes ativas num mesmo instante de tempo t seja limitado a 1. Neste caso
especfico, temos 3 misturas e N fontes a serem estimadas. A matriz de mistura dada por
1,1

( 2,1
3,1

1,2
2,2
3,2

1,
2, )
3,

Os sinais da mistura, no domnio da frequncia so definidos de tal modo que

1 (, ) =
2 (, ) =
{

3 (, ) =

1 (, )

=1

2 (, )

=1

3 (, )

=1

21

 possvel criar, portanto, razes rk para cada par Xi(t, f), Xj(t, f) de forma que
1 (, )
=
2 (, )
1 (, )
2 =
=
3 (, )
2 (, )
3 =
=
3 (, )
1 =

1,1 1 +
2,1 1 +
1,1 1 +
3,1 1 +
2,1 1 +
3,1 1 +

1,2 2 +
2,2 2 +
1,2 2 +
3,2 2 +
2,2 2 +
3,2 2 +

+
+
+
+
+
+

1,
2,
1,
3,
2,
3,

Assumindo que para cada instante t apenas uma fonte estar ativa, cada razo rk
entre os coeficientes das colunas da matriz de mistura indicar Nk ngulos distintos.

Com os dados de rk, a proposta de estimao do nmero de fontes consiste na

clusterizao aplicada aos valores de cada razo k. Deste modo, pode-se obter o nmero
de fontes a partir do nmero timo de clusters obtidos.

O algoritmo de clusterizao utilizado neste trabalho foi o k-means. Este mtodo

assume que o valor do nmero de clusters k conhecido. No entanto, se este valor no
estiver determinado, possvel utilizar como critrio a evoluo da funo custo Jk,
associada a soma das distncias de cada ponto de um cluster a seus respectivos centros.
Parte-se da premissa de que Jk apresentar uma variao pequena quando o nmero
proposto de clusters for maior do que o necessrio. Em outras palavras, nestas condies
o acrscimo de um cluster no algoritmo no trar um decrscimo significativo na funo
custo.

A soluo adotada para determinar o ltimo acrscimo significativo de clusters do

ponto de vista da funo custo dada pelas equaes abaixo [21], onde cada uma, ou a
combinao delas, pode ser mais adequada a cada tipo de problema:

() =

() =

+1
1

log(+1 ) log( )
log(+2 ) log(+1 )

22

 () = () + ()

E o nmero estimado de fontes dado pelo ndice i para o qual o valor em cada Iu =
(u {Normal, Log, Sum}) mximo, ou seja,
= arg max { ()}
{1,, }

23

Captulo 3

Procedimento Experimental

A anlise de vibrao em um motor consiste na aquisio de dados de acelerao do

motor e no seu posterior processamento para analise espectral. Sendo o objetivo do
projeto o desenvolvimento de um analisador de vibrao, necessrio fazer a aquisio
dos dados de acelerao do motor e sua comunicao com um computador para posterior
anlise.

Como interface de comunicao entre acelermetro e computador, utilizaremos um

micro controlador baseado na placa Arduino Uno R3, escolhido justamente pela facilidade
e rapidez para obteno das aceleraes. Equipado com o microcontrolador ATmega328
de 16 MHz de velocidade de clock, ele possui 6 entradas analgicas e baixo consumo.
Demais caractersticas podem ser obtidas da tabela abaixo.

Tabela 2. Resumo dos principais recursos do Arduino Uno R3

Microcontroller

ATmega328

Operating Voltage

5V

Input Voltage (recomm.)

7-12V

Input Voltage (limits)

6-20V

Digital I/O Pins

14 (6 provide PWM output)

Analog Input Pins

DC Current per I/O Pin

40 mA

DC Current for 3.3V Pin

50 mA

Flash Memory

32 KB - 0.5 KB used by bootloader

SRAM

2 KB

EEPROM

1 KB

Clock Speed

16 MHz

24

Como a ideia do projeto desenvolver um sistema de monitoramento contnuo da

sade do motor e para que as medies de aceleraes possam ser efetuadas em todos
os eixos do motor necessitamos de um acelermetro tri-axial. O sensor de acelerao da
Freescale MMA7361 foi escolhido por haver uma preciso suficiente aplicao requerida,
baixo custo e grande utilizao por desenvolvedores. Abaixo, segue tabela com
caractersticas principais do componente.

Tabela 3. Resumo dos principais recursos do MMA7361

Dimensions

3mm x 5mm x 1mm

Maximum Acceleration

5000g

Operating Voltage

2.2V 3.6V (linear response)

Supply Voltage

-0.3V 3.6V

Current Consumption

400 A

Current Consump. (Sleep)

3 A

Selectable Sensitivity

1.5g, 6g

Sensitivity

800 mV/g (@ 1.5g) / 206 mV/g (@ 6g)

Turn on Time

0.5 ms

Sampling Frequency

11 kHz

O cdigo inserido no Arduino para a aquisio dos sinais inclui primeiramente uma
calibrao, onde definido um referencial sem a presena de movimentao. Em seguida,
de modo a garantir que a leitura seja sempre feita no tempo desejado, foi criada uma rotina
de interrupo de acordo com o timer1 do Arduino, chamada de acordo com um perodo
pr-determinado, representando a frequncia de aquisio do sinal.

Utilizando as trs portas analgicas para recebimento dos trs sinais de aceleraes
do MMA7361, e configurando o Arduino para enviar os dados pela serial do computador,
podemos obter os valores de aceleraes instantneos nos trs eixos. O software Matlab
utilizado para realizar a leitura dos dados enviados via porta serial bem como para a
anlise espectral.

25

Para a coleta de dados, foi determinado um intervalo de tempo varivel em segundos

de captao do sinal, a uma taxa de 2.75 microssegundos. Essa configurao permite a
obteno de um intervalo de 0 Hz a aproximadamente 180 Hz na frequncia.
Considerando uma rotao nominal de um motor sendo prximo 1800 RPM, temos a
harmnica principal prximo aos 30 Hz, sendo assim suficiente para detectar harmnicos
submltiplos dessa frequncia (60, 90, 120 Hz...) e em um intervalo superior de anlise
suficiente.

Os dados so representados em 10 bits, ou seja, de 0 a 1023 em decimal. Dessa

forma podemos calcular a acelerao instantnea quando a sensitividade de 800 mV (
1.5g) pela relao, onde a indica a acelerao instantnea e o dado do
sensor (em decimal):

[, (

, )]

(m/s2)

Figura 10. Motor de induo com rotor de gaiola de esquilo

Foram realizadas as aquisies das aceleraes em diversos motores de induo
trifsicos WEG com rotor de gaiola, como da figura acima, em plena carga e em regime
permanente. O acoplamento do sensor ao motor foi feito magneticamente, sempre

26

respeitando a posio dos sensores para que os valores das devidas aceleraes fossem
captados nas direes corretas.

O procedimento para a realizao da medio das aceleraes foi seguido de

maneira metdica. Inicialmente foi feita a calibrao do sensor em um local plano e com a
ausncia de vibraes. Em seguida o acelermetro foi posicionado de forma que o eixo x
mea a acelerao no sentido do eixo do rotor (axial), o eixo z mea a acelerao na
vertical (direo da acelerao gravitacional) e o eixo y na direo horizontal (radial),
completando o sistema de coordenadas. Na maioria das aquisies, a primeira
componente da frequncia pde ser desprezada devido s variaes de baixa frequncia
inerentes ao ensaio.

Abaixo esto as imagens das instalaes dos motores utilizados para a realizao
da aquisio de dados para a realizao da anlise de vibrao. Na tabela a seguir esto
as especificaes bsicas de cada motor de induo de gaiola de esquilo conforme
fabricante WEG.

Tabela 4. Especificaes dos motores utilizados

Motor

Potncia (HP)

RPM nominal

Peso (kg)

25.0

1760

125

7.5

3500

43

5.0

1735

35

7.5

3500

43

Para a estimao do nmero de fontes e separao dos sinais pelo mtodo de ICA
utilizaremos como base os algoritmos desenvolvidos em [19]. Para a validao do
algoritmo de estimao de fontes foram efetuadas simulaes onde o nmero de fontes j
era conhecido a priori. A mistura de sinais de udio para o caso de 3, 4, 5 e 6 fontes
independentes foi realizada e validada com a funo custo, estimando a distncia
euclidiana em cada agrupamento de cluster. A funo custo decai significativamente at
um valor ktimo, reduzindo seu decrescimento a uma taxa bem mais lenta aps este valor.

27

Verificada a soluo para um caso conhecido, iniciou-se ento o experimento com

dados de soluo desconhecida, provenientes dos sinais adquiridos pelos acelermetros
dos motores. A estratgia de estimao do nmero de fontes foi aplicada apenas para a
situao de funcionamento nominal do motor. As aquisies dos sinais de vibrao para as
falhas usualmente relatadas na literatura ainda no foram testadas.

Figura 11. Local de instalao dos motores utilizados

28

Em [19], simulaes para rotaes em velocidades nominais de motores sem falhas

indicaram a convergncia de nmero de fontes para cada perfil de vibrao r1 = 6, r2 = 2 e
r3 = 3 fontes. A porcentagem de convergncia ficou prxima de 70% para as simulaes
realizadas.

Espera-se encontrar perfis de sinais com diferentes nmeros de fontes para cada
perfil de vibrao encontrado. Para o caso de desalinhamento de carga, espera-se
encontrar um range do nmero de fontes (essa variao pode ocorrer conforme o grau de
desalinhamento na configurao do sistema testado).

29

Captulo 4

Resultados e Discusses

Conforme a literatura orienta, o janelamento uma tcnica essencial para a correta

interpretao dos dados no domnio da frequncia. Foram simulados diversos tipos de
janelas para os sinais das aceleraes desse trabalho, os resultados foram comparados na
figura abaixo em termos da densidade espectral de potncia (DSP).

Figura 12. Comparao entre janelas para o motor 2

30

Figura 13. Comparao entre janelas para o motor 3

Tanto a comparao para o motor 2 ou para o motor 3 no eixo axial tanto quanto
para os outros canais do acelermetro vemos resultados muito parecidos do espectro para
todos os tipos de janelas. Entretanto para maior preciso em amplitude, menor rudo e
menor leakage espectral, as janelas de Hamming e Kaiser so as que proporcionam
melhor desempenho para essa aplicao.

Outra forma de verificar o desempenho do processamento do sinal analisar a

quantidade de pontos utilizada na DFT. Esse parmetro pode ser ajustado de forma obter
o espectro mais contnuo possvel, porm ao custo de um processamento computacional
maior. Na figura abaixo variamos a quantidade de pontos da DFT e vemos a diferena na
resoluo entre os casos extremos. interessante notar que dependendo da preciso da
31

anlise, o aumento do numero de pontos no influencia fortemente na preciso em

amplitude do sinal, e assim o um valor intermedirio timo o mais plausvel de ser
utilizado.

Figura 14. Influncia do numero de pontos da DFT no espectro

A quantidade de pontos utilizada na janela muito importante para a obteno de

um sinal sem leakage. Assim o tamanho da janela deve ser escolhido de forma a garantir o
menor vazamento possvel. Ao diminuir o numero de pontos da janela, aumentamos o
leakage espectral e distorcemos o espectro de forma que a anlise em amplitude e
resoluo fica comprometida, como na figura abaixo.

32

Figura 15. Efeito da diminuio do tamanho da janela no espectro

Para realizar a anlise em frequncia dos sinais obtidos foram feitas diversas
aquisies com diferentes perodos de captao do sinal dos sensores para os motores
listados. Abaixo as figuras relativas aquisio no motor 1.

33

Figura 16. DFT dos sinais originais dos acelermetros no motor 1

No sinal original obtido pela DFT constatamos a existncia de uma grande

quantidade de rudos acima de 80 Hz. Mesmo com a utilizao de um filtro Hamming,
ainda vemos componentes com amplitudes importantes nessas frequncias. Como a
velocidade de rotao de 1760 RPM, notamos a existncia de um pico prximo de 30 Hz
no espectro radial, porm sem mltiplos dessa frequncia. A apario da frequncia de
100 Hz em todos os espectros pode ser decorrente de vibraes de fontes vinculadas
mecanicamente ao motor. O espectrograma mostra frequncias constantes mesmo com a
variao do tempo.

Conforme nas simulaes realizadas para motores sem falhas em rotao nominal
no eixo yz, o nmero estimado de fontes segue conforme o encontrado na literatura, onde
o nmero de fontes igual a 3 para r3.

34

Figura 17. Perfil de clusters em grfico semi-log para r3 do motor 1

Figura 18. DFT dos sinais filtrados dos acelermetros nas trs dimenses

35

Figura 19. Sinal original da acelerao radial e respectivo espectrograma

As aquisies e dados relativos ao motor 2 so mostrados abaixo.

Figura 20. DFT dos sinais originais dos acelermetros do motor 2

36

Analisando a DFT do sinal original vemos uma menor quantidade de rudos se

compararmos ao motor 1. Com a aplicao do filtro as amplitudes relativas aos rudos so
praticamente eliminadas, mostrando nesse caso a eficcia da utilizao de filtros e janelas
em processamento de sinais. Com velocidade de rotao de 3500 RPM, notamos a
existncia de um pico prximo a 60 Hz nos espectros, alm de mltiplos dessa frequncia
a 120 Hz, tanto axial quanto radial. Isso pode indicar a existncia de um sensvel
desalinhamento no motor, pois mesmo sendo baixas as amplitudes, o espectro encaixa-se
no padro desse tipo de falha. O espectrograma radial segue o mesmo padro de no
haver variao na frequncia conforme o tempo.

Baseado nas simulaes realizadas para motores sem falhas em rotao nominal
no eixo xy, o nmero estimado de fontes deve ser ligeiramente maior no motor 2
considerando os traos de desalinhamento na DFT. A simulao indicou um nmero de
fontes igual ou maior a 7 para a relao de vibrao radial r1, em 70% das simulaes.

Figura 21. Perfil de clusters em grfico semi-log para r1 do motor 2

37

Figura 22. DFT dos sinais filtrados dos acelermetros nas trs dimenses

Figura 23. Sinal original da acelerao radial e respectivo espectrograma

38

As aquisies e dados relativos ao motor 3 so mostrados abaixo.

Figura 24. DFT dos sinais originais dos acelermetros do motor 3

A aplicao do filtro foi essencial para a obteno de um espectro mais limpo e para
a eliminao de rudos. Com velocidade de rotao de 1735 RPM no motor, notamos a
existncia de um pico prximo a 30 Hz nos espectros, porm sem mltiplos dessa
frequncia no sinal. interessante notar a amplitude nos espectros obtidos, sendo
menores nos motores 2 e 3 comparadas ao motor 1. A amplitude um parmetro
determinante na deteco de falhas em motores. O espectrograma segue o mesmo padro
dos outros motores.

Nas simulaes realizadas para motores sem falhas em rotao nominal no eixo yz,
a literatura indica um nmero estimado de fontes prximo de 3. A simulao forneceu o
nmero de fontes igual a 2 para a relao de vibrao radial r3. Essa diferena pode estar
relacionada a baixa amplitude de vibrao nesse motor.

39

Figura 25. Perfil de clusters em grfico semi-log para r3 do motor 3

Figura 26. DFT dos sinais filtrados dos acelermetros nas trs dimenses

40

Figura 27. Sinal original da acelerao axial e respectivo espectrograma

As aquisies e dados relativos ao motor 4 so mostrados abaixo.

Figura 28. DFT dos sinais originais dos acelermetros do motor 4

41

De forma geral, a utilizao do filtro Hamming para essa aplicao gera resultados
satisfatrios para a eliminao de rudos. Tendo as mesmas especificaes do motor 2,
notamos a existncia de um pico prximo a 60 Hz nos espectros, porm nesse caso com
submltiplos dessa frequncia no espectro. Ao compararmos as amplitudes das
aceleraes nos motores 2 e 4, vemos que esse ultimo apresenta amplitudes maiores, e a
apario de submltiplos da frequncia principal ainda que de baixa amplitude pode indicar
pequena folga mecnica no motor. O espectrograma segue o mesmo padro dos outros
motores.

Em simulaes realizadas para motores sem falhas em rotao nominal no eixo xy,
a literatura indica um nmero estimado de fontes prximo a 2, ou seja, o mesmo nmero
de fontes para a relao de vibrao radial r2 no motor 4.

Figura 29. Perfil de clusters em grfico semi-log para r2 do motor 4

42

Figura 30. DFT dos sinais filtrados dos acelermetros nas trs dimenses

Figura 31. Sinal original da acelerao axial e respectivo espectrograma

43

Podemos destacar que os resultados concentraram-se na anlise dos sinais obtidos,

bem como na prpria aquisio do sinal. Nesse sentido foi priorizada a obteno de um
sinal em que o posterior processamento seja favorvel para a deteco de falhas. Nesse
contexto a obteno de um espectro em frequncia fiel as vibraes que ocorrem em um
sistema real extremamente importante. Por isso baixo nvel de rudos, alta resoluo em
frequncia e amplitude so parmetros chave do projeto.

Para a aquisio das aceleraes reais devemos desenvolver o projeto procurando

o melhor compromisso entre menor leakage espectral, ausncia de aliasing, menor nvel
de rudos, melhor resoluo na frequncia, maior preciso na amplitude e menor esforo
computacional de processamento. Como a obteno de todos esses parmetros
conflitante, a escolha de valores timos uma sada para esse problema.

possvel notar a existncia de uma componente localizada em baixa frequncia

nos espectros, bem como muitas vezes frequncias entre as harmnicas principais e ainda
outras em altas frequncias. De forma geral, o acoplamento do motor com outros
mecanismos gera a apario de diferentes frequncias no sinal, basicamente causado por
vibraes no solo, redues, mancais, cargas e interferncias eletromagnticas no
acelermetro.

Considerando todas essas interferncias externas, notamos a apario da

frequncia de rotao do motor em todos os espectros, mostrando coerncia com a
prtica. Alm disso, o nvel de rudo encontrado no influenciou na anlise dos espectros,
garantido basicamente pelo filtro passa-baixa interno ao acelermetro. De acordo com os
espectrogramas encontrados, as frequncias nos sinais permanecem constantes conforme
o tempo.

A deteco de falhas foi baseada no nmero de fontes estimadas pelo algoritmo de

ICA baseado em um motor eltrico de bancada experimental, isolado de vibraes
externas e em rotao nominal. Essa estratgia foi adotada uma vez que ao analisar o
sinal de um motor em plena carga em produo, notamos diversas componentes
adicionais provenientes de mltiplas fontes conectadas ao conjunto mecnico.

44

Esse fato aumenta a complexidade do problema, pois no evidente enunciar a

natureza das componentes de frequncia relacionadas exclusivamente ao motor.
Baseando-se na estimativa do nmero de fontes de um motor de bancada experimental
isolado, podemos comparar a quantidade de componentes provenientes dos algoritmos de
estimao de fontes em um motor em produo, e constatar um maior nmero de fontes
para a maioria dos casos, principalmente onde h um indcio de falha.

45

Captulo 5

Concluses

O objetivo inicial do trabalho foi desenvolver um dispositivo para captao de

vibraes em motores eltricos de induo. Em seguida, projetar filtros e janelas em
Matlab para a obteno de um espectro conciso e passvel de anlise. Resultados
coerentes foram encontrados inclusive permitindo o inicio da analise em frequncia dos
espectros dos motores e encontrando relaes com o padro de possveis falhas.

A anlise de componentes independentes possibilitou a comparao do nmero de

fontes estimadas entre diferentes aplicaes em diversos motores reais. A quantidade de
fontes em motores industriais mostra a presena de componentes adicionais se
comparadas a motores em bancadas experimentais. Esse resultado, mesmo sem precisar
a natureza da falha, oferece um respaldo para deteco em frequncia via algoritmo de
reconhecimento de padres de falhas para outros trabalhos.

Para a consolidao do mtodo de ICA para deteco de falhas em motores eltricos,

tal algoritmo deve experimentar uma quantidade vasta de experimentos em motores reais
com e sem falhas para a validao da deteco no s de falha, como tambm de sua
respectiva natureza.

46

Referncias Bibliogrficas

[1] Contreras-Medina, L. M., Romero-Troncoso, R. J, Cabal-Yepez, E., Rangel-Magdaleno,

J. J., Millan-Almaraz, J. R. FPGA-Based Multiple-Channel Vibration Analyzer for
Industrial Applications in Inductino Motor Failure Detection. IEEE Trans. Instrum.
Meas., 2010, vol. 59, no. 1.
[2] Garcia-Ramirez, A. G., Osornio-Rios, R. A., Granados-Lieberman, D., Garcia-Perez, A.,
Romero-Troncoso, R. J. Smart Sensor for Online Detection of Multiple-Combined
Faults in VSD-Fed Induction Motors. Sensors 2012, 12, 11989-12005.
[3] Bellini, A., Filipetti, F., Tassoni, C., Capolino, G. A. Advances in Diagnostic Techniques
for Induction Machines. IEEE Trans. Ind. Electron., 2008, 55, 4109-4126.
[4] Tallam, R. M., Lee, S. B., Stone, G. C., Kliman, G. B., Yoo, J., Habetler, T. G., Harley, R.
G. A Survey Methods for Detection of Stator Related Faults in Induction Machines.
IEEE Trans. Ind. Appl., 2007, 43, 920-933.
[5] Nandi, S., Toliyat, H. A., Li, X. Condition Monitoring and Fault Diagnosis of Electrical
Motors A Review. IEEE Trans. Energy Convers., 2005, 20, 719-729.
[6] Cusido, J., Romeral, L., Ortega, J. A., Garcia, A., Riba, J. Signal Injection as a Fault
Detection Technique. Sensors 2011, 11, 3356-3380.
[7] Ilonen, J., Kamarainen, J., Lindh, T., Ahola, T., Kalvianen, H., Partanen, J. Diagnosis
Tool for Motor Condition Monitoring. IEEE Trans. Instrum. Meas., 2005, vol. 47, no. 4,
963-971.
[8] Ansari, S. A., Baig, R. A PC-baised Vibration Analyser for Condition Monitoring of
Process Machinery. IEEE Trans. Intrum. Meas., 1998, vol. 47, no. 2, 378-383.
[9] Betta, G., DApuzzo, M., Ligouri, C., Pietrosanto, A. An Intelligent FFT-Analyser. IEEE
Trans. Instrum. Meas., 2001, vol. 50, no. 3, 825-832.
[10] Vite-Frias, J. A., Romero-Troncoso, R. J., Ordaz-Moreno, A. VHDL Core for 1024-point
Radix-4 FFT Computation. Proc. Int. Conf. ReCon-Fig, 2005, Puebla, Mexico, p. 24.
[11] Ayhan, B., Chow, M., Song, M. Multiple Signature Processing-based Fault Detection
Schemes for Broken Rotor Bar in Induction Motors. IEEE Trans. Energy Convers.,
2005, vol. 20, no. 2, 336-343.
[12] Benbouzid, M. E. H. A Review of Induction Motors Signature Analysis as Medium for
Faults Detection. IEEE Trans. Ind. Electron., 2000, vol. 47, no. 5, 984-992.

47

[13] Betta, G., Ligouri, C., Paolillo, A., Pietrosanto, A. A DSP-based FFT Analyzer for the
Fault Diagnosis of Rotation Machine Based on Vibration Analysis. IEEE Trans.
Instrum. Meas., 2002, vol. 51, no. 6, 1316-1322.
[14] Rangel-Magdaleno, J. J., Romero-Troncoso, R. J., Contreras-Medina, L. M., GarciaPerez, A. FPGA Implementation of a Novel Algorithm for On-line Bar Breakage
Detection on Induction Motors. Proc. IMTC, 2008, Canada, 720-725.
[15]

LDS-Group,

Understanding

FFT

Windows.

Application

Note

ANO14,

http://www.physik.uni-wuerzburg.de/~praktiku/Anleitung/Fremde/ANO14.pdf.
[16] Mitchell, J. S., Introduction to Machinery Analysis and Monitoring, 2nd ed. Tulsa, OK,
Pennwell, 1993.
[17] Munoz, R. A., Nahmias, C. G., Mechanical vibration of three-phase induction motors
fed by nonsinusoidal currents, Proc. Int. Power Eletrocn. Congr., 1994, 166-172.
[18] Yunusa-Kaltungo, A., Sinha, J. K., Vibration Monitoring: A Case Study, Maintenance &
Asset Management, 2014, vol. 29, no. 1, 43-48.
[19] Olivatto, V. B., Anlise de Componentes Esparsos para Sinais de Vibrao Mecnica,
Faculdade de Engenharia Eltrica e Computao, Unicamp, (2014).
[20] Attus Romis, R. F., Von Zuben, F. J., Tpico 10 Anlise de componentes
independents (ICA), 26 Fev 2010, 30 p, Notas de Aula.
[21] Nadalin, E. Z., Contribuies ao problema de separao cega de fontes, com nfase
no estudo de sinais esparsos, Tese de Doutorado, Faculdade de Engenharia Eltrica
e de Computao, Unicamp, 2011.

48