Manutenção Preditiva do Acoplamento Flexível de Turbinas Eólicas (GE Renewable Energy)

Carregando...
Imagem de Miniatura
Orientador
Adegas, Fabiano Daher
Co-orientadores
Tipo de documento
Trabalho de Conclusão de Curso
Data
2020
Título da Revista
ISSN da Revista
Título do Volume
Projetos de Pesquisa
Unidades Organizacionais
Fascículo
Resumo
Atualmente, a manutenção preditiva vem sendo adotada por empresas dos mais diversos segmentos. Poder prever falhas antes que as mesmas ocorram e diminuir o número de inspeções preventivas nas turbinas é economicamente vantajoso, além de auxiliar na estruturação de um cronograma de manutenção adequado. Visando isto, este projeto tem como tema a implementação de um algoritmo para detecção de anomalia e possíveis falhas nos acoplamentos flexíveis das turbinas eólicas da empresa General Electric Renewable Energy (GE). Para isto, foi implementado um classificador de classe única por SVM (SVM One-Class Classifier) alimentado com 110 arquivos de dados de vibração referentes a 6 turbinas saudáveis fornecidas pela própria General Electric Renewable Energy. O algoritmo teve como objetivo utilizar os dados obtidos pelas turbinas em funcionamento saudável para gerar uma “fronteira” para os valores normais de vibração. Possíveis anomalias seriam consideradas outliers e indicadas como tal. Uma vez treinado, o desempenho do classificador foi validado utilizando 37 arquivos com dados referentes às mesmas 6 turbinas saudáveis e 6 arquivos com dados referentes a 5 turbinas defeituosas, obtendo uma acurácia de 97,30% no primeiro grupo e 100% no segundo grupo. O algoritmo foi desenvolvido no software MATLAB_R2020b.

Titulo de periódico
Título de Livro
Idioma
Português
Notas
Projeto realizado na empresa General Electric Renewable Energy (GE).
Membros da banca
Adegas, Fabiano Daher
Santos, Raphael Galdino dos
Licks, Vinicius
Área do Conhecimento CNPQ
Citação