510 likes | 516 Views
Aqui apresenta-se a 14u00aa aula do curso que u00e9 constituu00eddo pelas seguintes partes:<br>01 Diagnu00f3stico de Motores Elu00e9ctricos - Controlo de Condiu00e7u00e3o - uma perspetiva<br>02 Diagnu00f3stico de Motores Elu00e9ctricos - Princu00edpio de Funcionamento<br>03 Diagnu00f3stico de Motores Elu00e9ctricos - Modos de Falha<br>04 Diagnu00f3stico de Motores Elu00e9ctricos - Frequu00eancia das vibrau00e7u00f5es <br>05 Diagnu00f3stico de Motores Elu00e9ctricos - Tipos de anomalias elu00e9tricas e suas vibrau00e7u00f5es<br>06 Diagnu00f3stico de Motores Elu00e9ctricos - Tipos de anomalias mecu00e2nicas e suas vibrau00e7u00f5es<br>07 Diagnu00f3stico de Motores Elu00e9ctricos - Pata coxa<br>08 Diagnu00f3stico de Motores Elu00e9ctricos - A Anu00e1lise de Corrente<br>09 Diagnu00f3stico de Motores Elu00e9ctricos - Mediu00e7u00e3o de tensu00e3o no Veio<br>10 Diagnu00f3stico de Motores Elu00e9ctricos - Mediu00e7u00e3o de Temperatura<br>11 Diagnu00f3stico de Motores Elu00e9ctricos - Vibrau00e7u00f5es em motores DC<br>12 Diagnu00f3stico de Motores Elu00e9ctricos - Proteu00e7u00e3o de rolamentos em motores accionados por variadores de frequu00eancia.<br>13 Diagnu00f3stico de Motores Elu00e9tricos - Introduu00e7u00e3o u00e0 ISO 20958:2013 - Anu00e1lise de assinatura elu00e9trica de motores de induu00e7u00e3o trifu00e1sicos<br>14 Diagnu00f3stico de Motores Elu00e9tricos pela tu00e9cnica de comparau00e7u00e3o com modelo matemu00e1tico u2013 MCM<br>
E N D
Artesis Análise de motores elétricos pela técnica de comparação com modelo matemático - MCM Introdução
PROGRAMA DE FORMAÇÃO 2020 Para mais informações ver www.dmc.pt
Sobre a Os nossos distribuidores incluem A Artesis, uma empresa afiliada da GE, fornece aos clientes soluções inovadoras de monitorização de condição. As aplicações iniciais da tecnologia incluem o motor principal do vaivém espacial, motores de helicóptero e turbinas a gás com financiamento da NASA, exército dos EUA, estado da Flórida e Pratt & Whitney. TechnologyAward, 1998 TUBITAK-TUSIAD-TTGV The 40 Best Products of 2000 Control Engineering Magazine, USA Technology Innovation Award, 2007 The Institution of Engineering & Technology (IET) , UK
Sobre a DMC e aD4VIBequipamentos e serviços de manutenção preditiva Adaptamo-nos às suas necessidades ! Apoio técnico Relatórios
Tecnologias preditivas Vibrações Medição de tensão em veios Emissão acústica Análise de motores elétricos Termografia Ultrassons
Tecnologias corretivas Equilibragem no local Alinhamento de veios Proteção de rolamentos Calibração de cadeias de monitorização de vibrações
Conteúdo do curso (I) • 01 Diagnóstico de Motores Eléctricos - Controlo de Condição de Motores Elétricos - uma perspetiva • 02 Diagnóstico de Motores Eléctricos - Princípio de Funcionamento • 03 Diagnóstico de Motores Eléctricos - Modos de Falha • 04 Diagnóstico de Motores Eléctricos - Frequência das vibrações • 05 Diagnóstico de Motores Eléctricos - Tipos de anomalias elétricas e suas vibrações • 06 Diagnóstico de Motores Eléctricos - Tipos de anomalias mecânicas e suas vibrações • 07 Diagnóstico de Motores Eléctricos - Pata coxa
Conteúdo do curso (II) • 08 Diagnóstico de Motores Eléctricos - A Análise de Corrente • 09 Diagnóstico de Motores Eléctricos - Medição de tensão no Veio • 10 Diagnóstico de Motores Eléctricos - Medição de Temperatura • 11 Diagnóstico de Motores Eléctricos - Vibrações em motores DC • 12 Diagnóstico de Motores Eléctricos - Proteção de rolamentos em motores accionados por variadores de frequência. • 13 Diagnóstico de Motores Eléctricos - Introdução à ISO 20958:2013 - Análise de assinatura elétrica de motores de indução trifásicos • 14 Diagnóstico de Motores Elétricos pela técnica de comparação com modelo matemático – MCM
Distribuição de avarias em motores Típico até 4kV Típico acima de 4kV Outros 6% Outros 18% Avarias nas chumaceiras 13% Película de óleo Avarias no Estator 66% Avarias no rotor 6% Avarias mecânicas 51% Avarias no rotor 13% Avarias no Estator 25% AMU AnomAlert
Avarias detetadas pelo MCM Operacional Ambiente Alimentação Process Motor Equipamento acionado Transmissão Mecânicas Elétricas
Princípios matemáticos do método de comparação com modelo • Parameter changes indicate development of faults A distributed fault-detection and diagnosis system using on-line parameter estimation, Duyar et al., 1991, NASA Technical Reports Server (NTRS) 19910016382 • Multivariable system idenfication is used for parameter estimation Fault Diagnosis for the Space Shuttle Main Engine, Duyar and Merril, Journal Of Guidance, Control, And Dynamics, Vol. 15, No. 2, March-April 1992) • Minimal parameterization is obtained using alpha canonical form Identification of Discrete Time Multivariable Systems: A Parametrization via a - Canonical Form, Eldem and Duyar, Automatica, Volume 29, Issue 4, July 1993, Pages 1127-1131 O detalhe dos principios matemáticos estão no final da apresentação
O motor elétrico modelado como uma função de transferência – deteção de avarias com base na comparação com modelo Sistema u y O detalhe dos princípios matemáticos estão no final da apresentação
Tensão Corrente O motor elétrico modelado como uma função de transferência – deteção de avarias com base na comparação com modelo Tempo (msec) Tempo (msec) Frequência (Hz) Frequência (Hz)
Σ Deteção de avarias com base na comparação com modelo Corrente 1 + Tensão Dif - Frequência (Hz) Frequência (Hz) Corrente 2 Frequência (Hz)
Σ Deteção de avarias com base na comparação com modelo Corrente 1 + Tensão Dif - Frequência (Hz) Frequência (Hz) Corrente 2 Frequência (Hz)
Tensão Corrente Relação Causa - Efeito Saída Entrada Frequência (Hz) Frequência (Hz) VARIAÇÃO DE TENSÃO Distorção Harmónica Flutuação de Voltagem Desequilíbrio de Voltagens, etc… VARIAÇÃO DE CORRENTE Processo Avarias
A deteção de avarias mecânicas • O desenvolvimento de avarias no motor ou no equipamento acionado afeta a dinâmica da folga de entreferros e a dinâmica torsional entre o estator e o rotor do motor • Essas variações alteram a relação entre a entrada do motor e os sinais de saída que são então utilizados pelo MCM para detetar e diagnosticar avarias. • O MCM pode usar o motor como um sensor eficaz para todo o sistema, sem a necessidade de sensores especiais adicionais Estator Entreferros Rotor
A deteção de avarias mecânicas • O desenvolvimento de avarias no motor ou no equipamento acionado afeta a dinâmica da folga de entreferros e a dinâmica torsional entre o estator e o rotor do motor • Essas variações alteram a relação entre a entrada do motor e os sinais de saída que são então utilizados pelo MCM para detetar e diagnosticar avarias. • O MCM pode usar o motor como um sensor eficaz para todo o sistema, sem a necessidade de sensores especiais adicionais Estator Rotor
Correias e elementos de transmissão Avarias com correias e elementos de transmissão manifestam-se em torno de 0,5 x rpm a 0,75x rpm ± frequência de alimentação e múltiplos. Falta de tensão nas correias Tensão de alimentação : 380 V Frequência da rede : 50 Hz RPM do motor: 1493 rpm Compressor acionado por correias. Industrial alimentar
Desequilíbrio O desequilíbrio no motor manifesta-se em torno da frequência de alimentação ± 1 x rpm e múltiplos. Desequilíbrio Tensão de alimentação: 380 V Frequência da rede: 50 Hz RPM do motor: 1493 rpm Equipamento acionado por correias
Base solta Base solta aparece a frequências entre 0.5 a 0.75xrpm Tensão de alimentação: 6300V Frequência da rede: 50 Hz RPM do motor: 990 rpm LNG / Bomba de agua quente Base solta
Algoritmo de classificação de condição de carga do MCM • Durante o período de aprendizagem, o MCM trata cada ponto operacional do motor como um cluster no espaço tridimensional (fator de potência, ganho, frequência de alimentação). • Cada cluster possui um modelo separado • No modo de monitoramento, cada dado é comparado com o cluster mais próximo Curva de operação do motor Factor de potência C3 CARGA DO MOTOR C4 C2 C1 Ganho (Corrente / Voltagem) CARGA DO MOTOR Frequência (Hz)
Período de aprendizagem /construção do modelo matemático Instalação & Comissionamento APRENDER MELHORAR MONITORAR 3 Dias 7 Dias • Para construir o modelo matemático do motor ao qual está ligado, o MCM precisa concluir o período de aprendizagem. Esse período pode levar de 7 a 10 dias. • O período de aprendizagem possui duas fases. • Fase de aprendizagem, no qual o MCM classifica os sinais e não realiza nenhuma monitorização • Fase de Melhorar, no qual o MCM inicia a monitorização e também atualiza o modelo matemático (construído durante a primeira fase) com novos dados
Saídas - Alarmes Nivél de Alarme Saída medida Motor trifásico NORMAL VER ALIMENTAÇÃO Comparação Entrada VER CARGA EXAMINAR 1 Modelo matemático EXAMINAR 2 Saída calculada
Implementação prática do MCM Monitorização permanente Sistema portátil Artesis MCM Artesis AMT
Relatórios elaborados por IA: Vista de condição de equipamentos
Relatórios elaborados por IA: Sugestões & eficiência energética
Relatórios elaborados por IA: Resumo de Equipmentos
Relatórios elaborados por IA: Avariaselétricas
Para utilizadores avançados: Análise espetral Tendência
Integração de sistemas ENTERPRISE LEVEL ERP/EAM CONTROL LEVEL DCS/SCADA • Artesis MCM- Time to failure • - Diagnostic • New WorkRequests • -Historicaltrending • - Conditionbasedmonitoring • Measurementbasedmonitoring • Time specificworkorder Operations Maintenance - Measurements - AssetHealth - Measurements - AssetHealth EAM Workstation
Limitações • Motores DC • Motores monofásicos • A variação da velocidade do motor (frequência de alimentação) deve ser menor que 15% durante seis segundos do período de medida • A variação da carga do motor (amplitude da corrente) deve ser menor que 15% durante seis segundos do período de medida
Capacidades • Única solução para algumas aplicações. • Inacessível (bombas submersíveis, bombas de poço) • Perigoso (instalações nucleares) • Difícil de alcançar (Minas) • Monitorização de grande número de avarias • Deteção precoce de avaria • Monitoramento e diagnóstico remotos
MCM princípios matemáticos O motor como uma função de transferência
System identification using alpha canonical form A nonlinear system is described by the following equiations Linearizing these equations about a nominal operating condition and discretizing yields They can be put into alpha canonical form
System identification using alpha canonical form The expression for the state at time k of this system is given as Using the nillpotency of the above equation yields Multiplying both sides by C matrix, this equation can be expressed in terms of measurement of input and output variables
System identification and fault detection • Structure estimation; row by row rank search of the observability matrix is used to obtain observability indices • Parameter estimation; least squares technique is used • Fault detection and diagnostics uses 3 criteria in parallel • Residual errors • Parameter variations • Residual spectral analysis
Sistemas de monitorização permanente Sistemas protetivos e preditivos Ex Transmissores de vibrações Monitorização permanente de vibrações Sistemas wireless Análise da assinatura de motores elétricos pela técnica do MCM Meggitt Vibro-Meter®
Equipamentos portáteis • Vibrometros • Analisadores de vibrações • Coletores de dados • Medidores de ultrassons • Sensores de vibrações