Identificação de defeitos em equipamentos a partir de...
Transcript of Identificação de defeitos em equipamentos a partir de...
IDENTIFICACAO DE DEFEITOS EM EQUIPAMENTOS A PARTIR DE
ANALISES DO ENVELOPE DE VELOCIDADE
Eduardo Alonso Moraes de Almeida
Projeto de Graduacao apresentado ao
Departamento de Engenharia Mecanica da
Escola Politecnica, Universidade Federal do
Rio de Janeiro, como parte dos requisitos
necessarios para a obtencao do tıtulo de
Engenheiro Mecanico.
Orientador: Daniel Alves Castello
Rio de Janeiro
Setembro de 2016
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
Departamento de Engenharia Mecanica
DEM/POLI/UFRJ
IDENTIFICACAO DE DEFEITOS EM EQUIPAMENTOS A PARTIR DE
ANALISES DO ENVELOPE DE VELOCIDADE
Eduardo Alonso Moraes de Almeida
PROJETO DE GRADUACAO SUBMETIDO AO CORPO DOCENTE DO
DEPARTAMENTO DE ENGENHARIA MECANICA DA ESCOLA POLITECNICA
DA UNIVERSIDADE FEDERAL RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSARIOS PARA A OBTENCAO DO GRAU DE
ENGENHEIRO MECANICO.
Examinada por:
Prof. Daniel Alves Castello, DSc
Prof. Anna Carla Monteiro de Araujo, DSc
Prof. Lavinia Maria Sanabio Alves Borges, DSc
RIO DE JANEIRO, RJ – BRASIL
SETEMBRO DE 2016
Moraes de Almeida, Eduardo Alonso
Identificacao de defeitos em equipamentos a partir de
analises do envelope de velocidade/Eduardo Alonso Moraes
de Almeida. – Rio de Janeiro: UFRJ/Escola Politecnica,
2016.
XVI, 28 p.: il.; 29, 7cm.
Orientador: Daniel Alves Castello
Projeto de Graduacao – UFRJ/Escola
Politecnica/Departamento de Engenharia Mecanica,
2016.
Referencias Bibliograficas: p. 24 – 24.
1. Analise de Vibracao. 2. Envelope. 3. Particle
Swarm Optimization. 4. Identificacao de defeitos. I.
Alves Castello, Daniel. II. Universidade Federal do Rio
de Janeiro, UFRJ, Departamento de Engenharia Mecanica.
III. Identificacao de defeitos em equipamentos a partir de
analises do envelope de velocidade.
iv
”A coisa mais bonita que podemos
experimentar e o misterio. Ele e
a fonte de toda arte e ciencia
verdadeiras.”
Albert Einstein
vi
Agradecimentos
A Deus, por ter me abencoado durante toda a trajetoria de minha vida academica.
A meus pais, Alonso e Denise e a meu irmao Gabriel, meus grandes alicerces,
pelo incentivo, pela torcida, vibracao, pelo grande amor e pelo apoio incondicional.
A meus avos Helio e Elza, meus grandes exemplos de amor, pelo suporte emocional
e incentivo. A meu tio Emerson, pelas aulas de matematica que tanto me ajudaram
a chegar ate aqui.
Ao orientador Daniel, pela excelencia academica, pela sua dedicacao na orientacao
deste projeto, pela paciencia e boa vontade.
Ao professor Helcio, grande amigo da Mecanica, pela boa vontade, pelas ori-
entacoes sabias e suporte emocional.
Ao professor Nısio, pelo convite ao CONBRAVA 2015; experiencia que guardarei
para sempre na memoria, pela amizade e pelas orientacoes tao significativas.
Ao grande amigo e meu chefe na Petrobras, Marcelo, pela ideia deste projeto
final, pelo incentivo, boa vontade, ajuda e pela experiencia inesquecıvel que adquiri.
Aos amigos da Petrobras, engenheiros Alvaro e Hugo, pela grande ajuda neste
projeto.
Ao aluno de mestrado, Gabriel, pela imensa ajuda na parte de otimizacao.
Ao amigo Paulo Henrique, pela enorme ajuda no LaTeX.
Ao meu grande amigo Victor Jose, que sempre tirou minhas duvidas, pela
paciencia, boa vontade e exemplo.
Aos amigos Guilherme, Pedro, Rodrigo, Paulo e a todos os amigos que fizeram
parte desta jornada, pelo companheirismo e parceria.
A todos os professores de graduacao em Engenharia Mecanica, minha eterna
gratidao pelos ensinamentos.
Ao Tito, por sempre ter me ajudado com muita boa vontade.
A UFRJ, templo do saber, pela formacao humana, cidada e tecnica.
viii
Resumo do Projeto de Graduacao apresentado a Escola Politecnica/UFRJ como
parte dos requisitos necessarios para a obtencao do grau de Engenheiro Mecanico.
IDENTIFICACAO DE DEFEITOS EM EQUIPAMENTOS A PARTIR DE
ANALISES DO ENVELOPE DE VELOCIDADE
Eduardo Alonso Moraes de Almeida
Setembro/2016
Orientador: Daniel Alves Castello
Curso: Engenharia Mecanica
Este trabalho apresenta uma analise de otimizacao para identificacao de defeitos
em equipamentos em ambiente offshore. A analise e feita a partir de envelopes de
velocidade gerados a partir de um modelo massa-mola-amortecedor de dois graus de
liberdade simulado no software MATLAB. O algoritmo Particle Swarm Optimization
(PSO) e empregado para a referida analise com o intento de estimar parametros
de entrada a partir de dados de resposta do sistema. Os resultados sao bastante
satisfatorios para a maior parte dos casos analisados.
x
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment
of the requirements for the degree of Mechanical Engineer
IDENTIFICATION OF DEFECTS IN EQUIPMENTS BASED ON VELOCITY
ENVELOPING ANALYSIS
Eduardo Alonso Moraes de Almeida
September/2016
Advisor: Daniel Alves Castello
Course: Mechanical Engineering
In this work an optimization analysis for the identification of defects in equipments
in an offshore environment is presented. The analysis is made based on velocity
envelopes generated by a two-degree-of-freedom spring-mass-damper model simulated
on MATLAB. The Particle Swarm Optimization (PSO) algorithm is used for the
referred analysis with the goal of estimating input parameters using output data
from the system. The results are very satisfactory for the majority of the analysed
cases.
xii
Sumario
Lista de Figuras xv
Lista de Tabelas xvi
1 Introducao 1
1.1 Motivacao tecnica e objetivos do trabalho . . . . . . . . . . . . . . . 1
1.2 Motivacao pessoal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Organizacao do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Estudo do envelope 3
2.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Definicao matematica do envelope . . . . . . . . . . . . . . . . . . . . 3
2.3 Envelopes de sinais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Modelo de 2 graus de liberdade 9
3.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Desenvolvimento em Espaco de Estados . . . . . . . . . . . . . . . . . 10
3.3 Simulacao no MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Influencia do parametro kp sobre a resposta do sistema . . . . . . . . 16
4 Otimizacao 18
4.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Particle Swarm Optimization . . . . . . . . . . . . . . . . . . . . . . 18
4.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5 Conclusoes 22
Referencias Bibliograficas 24
A Codigos em MATLAB 25
A.1 Envelope de uma funcao generica . . . . . . . . . . . . . . . . . . . . 25
A.2 Sistema em Espaco de Estados . . . . . . . . . . . . . . . . . . . . . . 26
xiv
Lista de Figuras
2.1 Sinal original e seu respectivo envelope - Exemplo 1 . . . . . . . . . . 4
2.2 FFT do sinal original - Exemplo 1 . . . . . . . . . . . . . . . . . . . . 5
2.3 FFT do envelope do sinal - Exemplo 1 . . . . . . . . . . . . . . . . . 5
2.4 Sinal original e seu respectivo envelope - Exemplo 2 . . . . . . . . . . 6
2.5 FFT do sinal original - Exemplo 2 . . . . . . . . . . . . . . . . . . . . 6
2.6 Sinal original e seu respectivo envelope - Exemplo 3 . . . . . . . . . . 7
2.7 FFT do sinal original - Exemplo 3 . . . . . . . . . . . . . . . . . . . . 7
2.8 FFT do envelope do sinal - Exemplo 3 . . . . . . . . . . . . . . . . . 8
3.1 Curvas de nıvel - Envelope de Aceleracao. . . . . . . . . . . . . . . . 9
3.2 Curvas de nıvel - Velocidade. . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Sistema de 2 graus de liberdade. . . . . . . . . . . . . . . . . . . . . . 11
3.4 Diagrama de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5 Media de Mz - 1000 realizacoes. . . . . . . . . . . . . . . . . . . . . . 15
3.6 Media de Menv - 1000 realizacoes. . . . . . . . . . . . . . . . . . . . 15
3.7 Media de Menv - kp=1 kp=0.95 . . . . . . . . . . . . . . . . . . . . . 16
3.8 Media de Menv - kp=1 kp=0.5 . . . . . . . . . . . . . . . . . . . . . 16
3.9 Media de Menv - kp=1 kp=0.1 . . . . . . . . . . . . . . . . . . . . . 17
5.1 Media de Menv - cp=0.5 cp=1.17 . . . . . . . . . . . . . . . . . . . 22
xv
Lista de Tabelas
3.1 Valores dos parametros do modelo - Condicao saudavel . . . . . . . . 13
4.1 kp - Sem ruıdo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 kp - Com ruıdo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 cp - Sem ruıdo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4 cp - Com ruıdo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5 kp - Sem ruıdo e com excitacao z(t) alterada . . . . . . . . . . . . . . 20
4.6 kp - Com ruıdo e com excitacao z(t) alterada . . . . . . . . . . . . . . 21
xvi
Capıtulo 1
Introducao
1.1 Motivacao tecnica e objetivos do trabalho
Segundo MOBLEY [1], a analise de vibracao e uma ferramenta e tecnica muito
util para a manutencao preditiva e para a geracao de diagnosticos de maquinas. Todo
equipamento mecanico em movimento possui um perfil caracterıstico de vibracao que
reflete sua condicao de operacao. Isso vale tanto para movimento rotativo, quanto
para movimento linear.
Como exemplos de equipamentos tipicamente monitorados por intermedio da
analise de vibracao, temos: bombas e compressores (centrıfugos e alternativos),
motores (eletricos e de combustao interna), turbinas, ventiladores e chillers.
A analise de vibracao e de vital importancia na industria de oleo e gas, que
necessita de equipamentos robustos e extremamente caros. A identificacao antecipada
de defeitos em tais equipamentos e de grande importancia neste sentido.
Os principais objetivos deste trabalho sao o desenvolvimento de um modelo de
2 graus de liberdade a fim de simular o comportamento dinamico de equipamentos
encontrados em plataformas de petroleo e a deteccao de defeitos por meio de um
algoritmo de otimizacao.
1.2 Motivacao pessoal
Durante dois anos, tive o privilegio de estagiar no departamento de manutencao
preditiva da Petrobras onde pude aplicar diversos conhecimentos adquiridos na
universidade. Aprendi muito sobre diversos fundamentos e praticas da industria
de oleo e gas, em especial a tecnica de analise de vibracao. A partir dessa incrıvel
experiencia, surgiu a motivacao para fazer esse projeto de graduacao.
1
1.3 Organizacao do trabalho
No dia a dia de analise de vibracao, deseja-se frequentemente monitorar o
parametro envelope de aceleracao. No capıtulo 2, a discussao a respeito do en-
velope sera apresentada. Em seguida, no capıtulo 3, sera desenvolvido um modelo
massa-mola-amortecedor com 2 graus de liberdade, por intermedio do MATLAB,
com o intuito de simular o comportamento de maquinas em ambiente offshore. No
capıtulo 4, o algoritmo PSO (Particle Swarm Optimization) sera apresentado com o
intento de identificar defeitos em equipamentos. Por fim, no capıtulo 5, sera feita
uma analise dos resultados obtidos.
2
Capıtulo 2
Estudo do envelope
2.1 Introducao
O envelope e uma ferramenta que possibilita a descoberta de importantes in-
formacoes a respeito da vida e saude de ativos de uma planta industrial. Ela e
utilizada para a deteccao antecipada de falhas em rolamentos.
O envelope de aceleracao e um parametro valioso a ser monitorado, por permitir o
monitoramento contınuo da condicao de equipamentos. Este parametro pode revelar
falhas em seus estados iniciais; antes destas serem detectaveis por outras medicoes
de vibracao. Sem uma ferramenta como essa, os estados finais de falhas podem
chegar a ocorrer; onde nıveis elevados de vibracao se fazem presentes, lubrificantes
contaminam-se e as temperaturas aumentam. Neste momento, a vida util restante
das maquinas defeituosas pode ser muitıssimo pequena e o dano mais grave do que
seria se as falhas tivessem sido detectadas previamente [2].
2.2 Definicao matematica do envelope
Seja um sinal real no domınio do tempo xr(t). Este pode ser associado a um
sinal complexo xc(t), definido como [3]:
xc(t) = xr(t) + jxi(t) (2.1)
xc(t) e conhecido como sinal analıtico. A sua parte real e igual ao sinal original
xr(t); e a sua parte imaginaria, xi(t), e a Transformada de Hilbert de xr(t).
O envelope e definido como sendo a magnitude de xc(t):
E(t) = |xc(t)| =√
xr(t)2 + xi(t)2 (2.2)
3
2.3 Envelopes de sinais
Foi desenvolvido um script (disponıvel na Secao A.1 do Apendice) na plataforma
MATLAB que implementa o envelope de uma funcao generica usando a Transformada
de Hilbert.
Serao indicados tres exemplos. O objetivo e mostrar o envelope de um sinal
generico no domınio do tempo e da frequencia. Para passar do domınio do tempo
para o domınio da frequencia, foi utilizada a FFT (Fast Fourier Transform).
1) Como primeiro exemplo, arbitra-se uma frequencia de amostragem igual a
10000 Hz e uma funcao x definida por:
x = [1 + cos(2.π.50.t)].cos(2.π.1000.t) (2.3)
Sao apresentados tres graficos. Na Figura 2.1, tem-se em azul o sinal original e
em coloracao vermelha o envelope do mesmo (domınio do tempo). Na Figura 2.2,
tem-se a FFT do sinal original; e na Figura 2.3, a FFT do envelope do sinal original.
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1Tempo (s)
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5xenv(x)
Figura 2.1: Sinal original e seu respectivo envelope - Exemplo 1
4
0 200 400 600 800 1000 1200 1400 1600 1800 2000Frequência (Hz)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
H(x
)
Figura 2.2: FFT do sinal original - Exemplo 1
0 10 20 30 40 50 60 70 80 90 100Frequência (Hz)
0
0.2
0.4
0.6
0.8
1
1.2
H(e
nv(
x))
Figura 2.3: FFT do envelope do sinal - Exemplo 1
5
2) Como segundo exemplo, arbitra-se uma frequencia de amostragem de
1000 Hz e uma funcao x definida por:
x = 2.sin(2.π.5.t) (2.4)
Sao apresentados dois graficos. Na Figura 2.4, tem-se em azul o sinal original e
em coloracao vermelha o envelope do mesmo (domınio do tempo). Na Figura 2.5,
tem-se a FFT do sinal original.
0 0.5 1 1.5Tempo (s)
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5xenv(x)
Figura 2.4: Sinal original e seu respectivo envelope - Exemplo 2
0 1 2 3 4 5 6 7 8 9 10Frequência (Hz)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
H(x)
Figura 2.5: FFT do sinal original - Exemplo 2
6
3) Como terceiro exemplo, arbitra-se uma frequencia de amostragem de
100 Hz e uma funcao x definida por:
x = sin(2.π.5.t).exp(−t) (2.5)
Sao apresentados tres graficos. Na Figura 2.6, tem-se em azul o sinal original e
em coloracao vermelha o envelope do mesmo (domınio do tempo). Na Figura 2.7,
tem-se a FFT do sinal original; e na Figura 2.8, a FFT do envelope do sinal original.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5Tempo (s)
-1
-0.5
0
0.5
1
1.5
xenv(x)
Figura 2.6: Sinal original e seu respectivo envelope - Exemplo 3
0 2 4 6 8 10 12Frequência (Hz)
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
H(x
)
Figura 2.7: FFT do sinal original - Exemplo 3
7
0 1 2 3 4 5 6 7 8 9 10Frequência (Hz)
0
0.02
0.04
0.06
0.08
0.1
0.12
H(e
nv(x
))
Figura 2.8: FFT do envelope do sinal - Exemplo 3
8
Capıtulo 3
Modelo de 2 graus de liberdade
3.1 Introducao
No dia a dia de analise de vibracao, faz-se medicoes dos nıveis de vibracao dos
equipamentos em intervalos de tempo regulares. Duas grandezas comumente obtidas
em tais medicoes sao a velocidade e o envelope de aceleracao. De uma forma geral,
ambas sao dadas no domınio da frequencia.
A tıtulo de exemplo, tem-se dois graficos (curvas de nıvel) de 8 medicoes de
uma bomba centrıfuga de uma plataforma da Petrobras. As grandezas medidas
sao respectivamente o envelope de aceleracao e a velocidade (ambas no domınio da
frequencia). A frequencia de amostragem e de 2.5 Hz e as medicoes foram feitas em
intervalos de 35 dias.
08
0.5
6 2000Enve
lope
de
Acel
eraç
ão (g
Env)
1
1500
Medições
4
Frequência (Hz)
1000
1.5
2 5000 0
Figura 3.1: Curvas de nıvel - Envelope de Aceleracao.
9
08
1
2
6 1000
Velo
cida
de (m
/s)
3
800
Medições
4
4 600
Frequência (Hz)
5
4002 2000 0
Figura 3.2: Curvas de nıvel - Velocidade.
3.2 Desenvolvimento em Espaco de Estados
Sera construıdo um modelo de 2 graus de liberdade com o intuito de simular o
comportamento dinamico de equipamentos em plataformas de petroleo.
Em tal modelo, esquematizado na figura 3.3, ha uma maquina (de massa mp),
uma base (de massa mb) e um corpo representando a plataforma com deslocamento
prescrito z(t). Alem disso, existem duas molas e dois amortecedores.
Da teoria da representacao de sistemas em espaco de estados, tem-se [4]:
x(t) = Ax(t) +Bu(t) , y(t) = Cx(t) +Du(t) (3.1)
x =
x1
x2
x3
x4
(3.2)
10
Figura 3.3: Sistema de 2 graus de liberdade.
No presente caso, as variaveis de estado serao os deslocamentos no tempo da base
e da maquina, bem como suas derivadas temporais (velocidades).
x1 = xb , x2 = xp , x3 = xb , x4 = xp (3.3)
x =
xb
xp
xb
xp
(3.4)
11
A entrada u tera 4 componentes: z (deslocamento prescrito da plataforma),
z (derivada temporal de z); F1 e F2 (forcas externas assumidas como zero).
u =
z
z
F1
F2
(3.5)
Para encontrar as matrizes A e B, deve-se resolver o sistema de forcas que atuam
tanto na base como na maquina. Sera assumido que os dois amortecedores sao
viscosos e as duas molas sao lineares [5].
mbxb = xb(−kp−kb)+xb(−cp−cb)+kp(xp)+kb(z(t))+cb(z(t))+cp(xp)+F1 (3.6)
mpxp = kp(xb − xp) + cp(xb − xp) + F2 (3.7)
De posse dos resultados, tem-se:
A =
0 0 1 0
0 0 0 1
(−kp− kb)/mb kp/mb (−cp− cb)/mb cp/mb
kp/mp −kp/mp cp/mp −cp/mp
(3.8)
B =
0 0 0 0
0 0 0 0
kb/mb cb/mb 1/mb 0
0 0 0 1/mp
(3.9)
A matriz C sera:
C =[0 0 0 1
](3.10)
A razao para C possuir tal forma e que o interesse esta na velocidade
da maquina (x4).
D =[0 0 0 0
](3.11)
12
3.3 Simulacao no MATLAB
Foi desenvolvido um script (disponıvel na Secao A.2 do Apendice) por intermedio
do software MATLAB onde esta definido o sistema com base em espaco de estados.
Sera suposto que para uma condicao dita saudavel da maquina, os valores dos
parametros serao os seguintes:
mp = 5 kgmb = 3 kgkb = 5 N/mcb = 2 (N.s)/mkp = 1 N/mcp = 1 (N.s)/m
Tabela 3.1: Valores dos parametros do modelo - Condicao saudavel
As frequencias naturais do sistema sao:
w1 = 0.4067rad/s , w2 = 1.4195rad/s (3.12)
Para a entrada z(t) e a resposta do sistema (x4), tem-se o seguinte Diagrama de
Bode:
0 1 2 3 4 5 6Frequência (rad/s)
0
0.2
0.4
0.6
0.8
1
1.2
1.4
(x4) /
z (
(m/s
)/m)
Figura 3.4: Diagrama de Bode
13
Serao definidos tres parametros:
w = (w1 + w2)/2 = 0.9131rad/s (3.13)
σw = w −w1 = 0.5064rad/s (3.14)
ωr = w + (σw.randn) (3.15)
randn e um comando da plataforma MATLAB que gera numeros aleatorios,
segundo uma distribuicao normal padrao.
Com o intuito de se modelar um ambiente no qual a excitacao de forcas seja
aleatoria, adota-se, neste trabalho, um modelo estocastico para z(t); entrada do
sistema que representa o deslocamento da plataforma. Como uma primeira proposta,
adotou-se:
z(t) =10∑i=1
1.sin(t.ωr(i)) (3.16)
Vale ressaltar que ωr assume um valor diferente para cada termo do somatorio.
Segue a parte do codigo do MATLAB onde esta definido z(t):
z=0;
for pp=1:10
var aux = wmed + sigw*randn;
z=z + 1*sin(t*var aux);
end
Sera aplicada a FFT (Fast Fourier Transform) em z(t); chegando a H(z).
Tem-se grande interesse na resposta do sistema que esta representada pela
velocidade da maquina. Sera aplicado o envelope na resposta e depois a FFT (Fast
Fourier Transform), chegando a H(env(xp)) (envelope de velocidade).
Serao feitas 1000 realizacoes. Define-se uma matriz Mz e uma matriz Menv que
guardam os valores das excitacoes H(z) e os valores de H(env(xp)); respectivamente,
para todas as realizacoes. Pode-se fazer uma media de Mz e de Menv ao longo das
1000 realizacoes.
Os graficos a seguir mostram; respectivamente, a media de Mz e a media de
Menv no domınio da frequencia, bem como os percentis de 2 e 98 (em vermelho
tracejado).
14
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Méd
ia d
e M
z (m
)
Figura 3.5: Media de Mz - 1000 realizacoes.
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Méd
ia d
e M
env
(m/s
)
Figura 3.6: Media de Menv - 1000 realizacoes.
15
3.4 Influencia do parametro kp sobre a resposta
do sistema
Nesta secao, o objetivo e mostrar que a perda de rigidez do sistema impacta
profundamente na resposta do mesmo; representada pela media de Menv. Para tal
fim, kp sera reduzido em 5%, 50% e 90%; e serao indicados tres graficos contemplando
tais casos. Nestes graficos, e mostrado em cor preta a resposta do sistema para
kp=1 (kp original) e em coloracao vermelha a resposta para kp com a reducao. Vale
ressaltar que foram mantidas as 1000 realizacoes para a presente analise.
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.2
0.4
0.6
0.8
1
Méd
ia d
e M
env
(m/s
) kp=1
kp=0.95
Figura 3.7: Media de Menv - kp=1 kp=0.95
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.2
0.4
0.6
0.8
1
Méd
ia d
e M
env
(m/s
) kp=1
kp=0.5
Figura 3.8: Media de Menv - kp=1 kp=0.5
16
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.2
0.4
0.6
0.8
1
Méd
ia d
e M
env
(m/s
)
kp=1
kp=0.1
Figura 3.9: Media de Menv - kp=1 kp=0.1
Como pode-se notar claramente, quanto maior a diminuicao de kp, mais discre-
pante a resposta do sistema fica da resposta para a condicao dita saudavel (kp=1).
17
Capıtulo 4
Otimizacao
4.1 Introducao
Neste capıtulo, tem-se por objetivo fazer uma analise de otimizacao do modelo
apresentado no capıtulo anterior. A analise sera feita com o intento de detectar
defeitos do equipamento. O objetivo e estimar os parametros kp e cp a partir da
resposta do sistema, representada pela media de Menv; sendo que esta resposta
e de uma condicao do equipamento dita nao saudavel (equipamento com defeito).
Para tal fim, sera construıdo um algoritmo baseado em Particle Swarm Optimization
(PSO).
4.2 Particle Swarm Optimization
Segundo YANG [6], o algoritmo de Particle Swarm Optimization (PSO) foi
desenvolvido por Kennedy e Eberhart em 1995, baseado no comportamento de
“enxame”que pode ser observado na natureza no caso de peixes e passaros (grandes
grupos se movendo conjuntamente), por exemplo.
Tal algoritmo busca um espaco de uma funcao objetivo; ajustando as trajetorias
de agentes individuais, chamados de partıculas, como o caminho por partes formado
por vetores de posicao de maneira quase-estocastica. O movimento da partıcula pos-
sui dois componentes: um componente estocastico e um componente determinıstico.
A partıcula e atraıda em direcao a posicao do melhor global atual, enquanto ao
mesmo tempo possui uma tendencia a se mover randomicamente. Quando a partıcula
encontra uma localizacao que e melhor que qualquer localizacao previamente encon-
trada, entao esta torna-se a nova melhor atual para a partıcula i. Existe um melhor
atual para todas as n partıculas.
18
O objetivo e encontrar o melhor global entre todos os melhores atuais ate que a
funcao objetivo nao melhore mais ou apos certo numero de iteracoes.
4.3 Resultados
Foi desenvolvido um script no MATLAB, consultando ORLANDE et al. [7], RINI
et al. [8] e KAIPIO e SOMERSALO [9]; onde foi inserido o algoritmo PSO. Para a
condicao de equipamento dito saudavel, tinha-se que kp=cp=1.
O objetivo da presente secao e estimar os parametros de entrada kp e cp a partir
da resposta do sistema para seis diferentes casos.
1) kp - Sem ruıdo
No primeiro caso, deseja-se estimar kp a partir da resposta do sistema gerada
com kp=0.5. Tal caso representa uma perda de rigidez por parte do sistema. Nao ha
ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)0.497683 0.460.507306 1.460.468329 6.330.500068 0.010.491237 0.88
Tabela 4.1: kp - Sem ruıdo
2) kp - Com ruıdo
No segundo caso, deseja-se estimar kp a partir da resposta do sistema gerada
com kp=0.5. Insere-se ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)0.477668 4.470.607252 21.450.492641 1.470.489013 2.200.480088 1.99
Tabela 4.2: kp - Com ruıdo
19
3) cp - Sem ruıdo
No terceiro caso, deseja-se estimar cp a partir da resposta do sistema gerada com
cp=0.5. Nao ha ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)0.511451 2.290.488635 2.270.443809 11.240.511097 2.220.499276 0.14
Tabela 4.3: cp - Sem ruıdo
4) cp - Com ruıdo
No quarto caso, deseja-se estimar cp a partir da resposta do sistema gerada com
cp=0.5. Insere-se ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)1.165608 133.121.055180 111.041.086640 117.331.078145 115.631.042256 108.45
Tabela 4.4: cp - Com ruıdo
5) kp - Sem ruıdo e com excitacao z(t) alterada
No quinto caso, deseja-se estimar kp a partir da resposta do sistema gerada com
kp=0.5. Alem disso, a excitacao (entrada) z(t) e alterada para:
z(t) =10∑i=1
(1/ωr(i)).sin(t.ωr(i)) (4.1)
Nao ha ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)0.508046 1.610.454837 9.030.443809 11.240.528907 5.780.508389 1.68
Tabela 4.5: kp - Sem ruıdo e com excitacao z(t) alterada
20
6) kp - Com ruıdo e com excitacao z(t) alterada
No sexto caso, deseja-se estimar kp a partir da resposta do sistema gerada com
kp=0.5. Alem disso, a excitacao (entrada) z(t) e alterada para:
z(t) =10∑i=1
(1/ωr(i)).sin(t.ωr(i)) (4.2)
Insere-se ruıdo nas medicoes sinteticas para o presente caso.
O script e rodado cinco vezes e os seguintes resultados sao encontrados:
Estimativas Erros (%)0.119238 76.150.131719 73.660.166834 66.630.193885 61.220.102523 79.50
Tabela 4.6: kp - Com ruıdo e com excitacao z(t) alterada
21
Capıtulo 5
Conclusoes
Os resultados dos quatro primeiros casos foram bastante satisfatorios. Tal analise
pode parecer equivocada ao se observar o quarto caso que possui percentuais de erro
muito elevados. Contudo, a explicacao para tal questao esta na sensibilidade do
sistema.
No grafico a seguir, tem-se em coloracao preta a resposta do sistema para cp=0.5
e em cor vermelha a resposta para cp=1.17.
0 1 2 3 4 5 6 7 8 9 102.pi.f (rad/s)
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Méd
ia d
e M
env
(m/s
)
cp=0.5
cp=1.17
Figura 5.1: Media de Menv - cp=0.5 cp=1.17
Observa-se nitidamente que a resposta do sistema nao varia muito para uma
variacao elevada do parametro cp.
22
Os resultados para os dois ultimos casos nao foram satisfatorios. Conclui-se que
a alteracao na excitacao z(t) nao modela de forma acurada o sistema estudado.
Tentou-se usar o algoritmo de Levenberg-Marquardt, ao inves do algoritmo PSO
para as presentes analises. Contudo, como trata-se de um metodo que procura
mınimos locais; o mesmo nao e adequado para o presente sistema. Isto se deve
ao fato de haver uma entrada de natureza aleatoria (z(t)). Portanto, utilizou-se o
algoritmo PSO que procura mınimos globais.
23
Referencias Bibliograficas
[1] MOBLEY, R. K. An Introduction to Predictive Maintenance, v. 2. Butterworth-
Heinemann, 2002. ISBN: 978-0750675314.
[2] ORBIT MAGAZINE. “Acceleration Enveloping – Higher Sensitivity, Ear-
lier Detection”. Disponıvel em: <http://www.orbit-magazine.com/
wp-content/uploads/2014/07/2q04accelenvel.pdf>. Acessado em 8
de setembro de 2016.
[3] LYONS, R. G. Understanding Digital Signal Processing, v. 2. Prentice Hall, 2004.
ISBN: 978-0131089891.
[4] NISE, N. S. Control Systems Engineering, v. 6. Wiley, 2010. ISBN: 978-0470-
91769-5.
[5] RAO, S. S. Mechanical Vibrations, v. 5. Pearson, 2010. ISBN: 978-0132128193.
[6] YANG, X.-S. Introduction to Mathematical Optimization - From Linear Pro-
gramming to Metaheuristics. Cambridge, UK, Cambridge International
Science Publishing, 2008. ISBN: 978-1-904602-82-8.
[7] ORLANDE, H. R. B., FUDYM, O., MAILLET, D., et al. Thermal Measurements
and Inverse Techniques. CRC Press, 2011. ISBN: 978-1439845557.
[8] RINI, D. P., SHAMSUDDIN, S. M., YUHANIZ, S. S. “Particle Swarm Opti-
mization: Technique, System and Challenges”, International Journal of
Computer Applications, v. 14, n. 1, 2011.
[9] KAIPIO, J., SOMERSALO, E. Statistical and Computational Inverse Problems.
Springer, 2004. ISBN: 978-0387220734.
24
Apendice A
Codigos em MATLAB
A.1 Envelope de uma funcao generica
% x is the input vector
% Fs is the sampling frequency
function [x fft,y fft,f] = fFFT(x,Fs)
x=x(1,:);
Ns = size(x,2);
T = Ns/Fs;
x fft = abs(fft(x,Ns))/Ns;
x fft = x fft(1:size(x fft,2)/2);
f = 0:Fs/Ns:Fs/2-Fs/Ns;
t = 0:T/Ns:T-T/Ns;
y = abs(hilbert(x));
y fft = abs(fft(y,Ns))/Ns;
y fft = y fft(1:size(y fft,2)/2);
figure;
plot(t,x);
hold on;
plot(t,y,'r');
legend('x','env(x)');
figure;
plot(f,x fft);
figure;
plot(f,y fft,'k');
25
A.2 Sistema em Espaco de Estados
close all;
clear all;
mp=5;
mb=3;
cb=2;
cp=1;
kp=1;
kb=5;
A=[0 0 1 0; 0 0 0 1; (-kp-kb)/mb kp/mb (-cp-cb)/mb cp/mb; kp/mp ...
-kp/mp cp/mp -cp/mp];
B=[0 0 0 0; 0 0 0 0; kb/mb cb/mb 1/mb 0; 0 0 0 1/mp];
C=[0 0 0 1];
D=[0 0 0 0];
sys=ss(A,B,C,D);
%%propriedades modais
[my Wn,my Z,my pP] = damp(sys);
wmin = my Wn(1);
wmax = my Wn(3);
wmed = 0.5*(wmin + wmax);
sigw = wmed-wmin;
Fs = 10;
passo=1/Fs;
t=0:passo:100;
F1 = zeros(size(t));
F2 = zeros(size(t));
Nmc = 1000;
Mz = zeros(length(t),Nmc);
Mkenv=zeros(length(t),Nmc);
Mkenv fft=zeros(length(t),Nmc);
for kk=1:Nmc
z=0;
26
for pp=1:10
var aux = wmed + sigw*randn;
z=z + 1*sin(t*var aux);
end
T=max(t);
Ns=Fs*T+1;
finicial=0:Fs/Ns:(Fs-(Fs/Ns));
z fft=abs(fft(z,Ns))/Ns;
Mz(:,kk)=z fft';
zponto=[z(1) diff(z)/passo];
zponto fft=abs(fft(zponto,Ns))/Ns;
K=lsim(sys,[z;zponto;F1;F2],t);
Kenv=abs(hilbert(K));
Mkenv(:,kk)=Kenv;
K fft=abs(fft(K,Ns))/Ns;
Kenv fft=abs(fft(Kenv,Ns))/Ns;
Mkenv fft(:,kk)=Kenv fft';
end
meanMkenv=zeros(2,3);
meanMkenv=mean(Mkenv,2);
meanMkenv fft=zeros(2,3);
meanMkenv fft=mean(Mkenv fft,2);
meanMz=zeros(2,3);
meanMz=mean(Mz,2);
figure(1)
hold on
plot(2*pi*finicial,meanMz,'k');
hold on
prctileMz 2=prctile(Mz',2);
27
prctileMz 98=prctile(Mz',98);
plot(2*pi*finicial,prctileMz 2,'r--')
hold on
plot(2*pi*finicial,prctileMz 98,'r--')
figure(2)
hold on
plot(2*pi*finicial,meanMkenv fft,'k');
hold on
prctilemeanMkenv fft 2=prctile(Mkenv fft',2);
prctilemeanMkenv fft 98=prctile(Mkenv fft',98);
plot(2*pi*finicial,prctilemeanMkenv fft 2,'r--')
hold on
plot(2*pi*finicial,prctilemeanMkenv fft 98,'r--'
28