14 Diagnostico de motores eletricos conceitos de MCM


Carlosaroeira

Uploaded on Mar 15, 2020

Category Technology

Aqui apresenta-se a 14ª aula do curso que é constituído pelas seguintes partes: 01 Diagnóstico de Motores Eléctricos - Controlo de Condição - 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 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 Elétricos - 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

Category Technology

Comments

                     

14 Diagnostico de motores eletricos conceitos de MCM

Análise de motores elétricos pela técnica de comparação com modelo Armteatesmisático - MCM Introdução PROGRAMA DE FORMAÇÃO 2020 Para mais informações ver www.dmc.pt Sobre a Os nossos distribuidores A Artesis, uma empresa afiliada da GE, fornece aos clientes soluções inovadoras incluem 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. Technol ogy The 40 Award, Best 1998 Produc TUBITAK- ts of Technolo TUSIAD-TTGV 2000 gy Innovati Control Engineering on Magazine, USA Award, 2007 The Institution of Engineering & Technology (IET) , UK Sobre a DMC e a D4VIB equipamentos e serviços de manutenção preditiva Adaptamo-nos às suas Apoio técnico Relatórios necessidades ! Mediçõ Implementaeçsão Formaç ão Hardware Software Tecnologias preditivas Vibrações Medição de tensão em v eios Emissão acústica Análise de motores elétricos Termografia Ultrassons Tecnologias corretivas Equilibragem n o local Alinhamento de veios Proteção d e rolament os Calibração de cadeias de m onitorização d e 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 comparaçã o com modelo matemático – MCM Distribuição de avarias em motores Típico até 4kV Típico acima de 4kV Outros Outros 6% 18% Avarias nas chumaceir Avarias as 13% Avarias no no Película de óleo rotor 6% Avarias Estator mecânicas 51% Avarias 66% Avarias no rotor no AMUAnomAlert 13% Estator 25% Avarias detetadas pelo MCM i i lAmbiente Operacional 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 estimatio n , 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 - Cano nical 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 u ma função de transferência – deteç ão de avarias com base na compara ção com modelo u SSisistetemmaa y O detalhe dos princípios matemáticos estão no final da apresentação O motor elétrico modelado como uma função de transferência – deteção de avarias com base na comparação com modelo Tensão Corrente Tempo (msec) Tempo (msec) Frequência (Hz) Frequência (Hz) Deteção de avarias com base na comparação com modelo Corrente 1 Tensão + ΣΣ Dif - Frequência (Hz) Corrente 2 Frequência (Hz) Frequência (Hz) Deteção de avarias com base na comparação com modelo Corrente 1 Tensão + ΣΣ Dif - Frequência (Hz) Corrente 2 Frequência (Hz) Frequência (Hz) Relação Causa - Efeito Entrada Saída Tensão Corrente Frequência (Hz) Frequência (Hz) VARIAÇÃO DE TENSÃO VARIAÇÃO DE Distorção Harmónica CORRENTE Flutuação de Voltagem Processo Desequilíbrio de Avarias Voltagens, etc… A deteção de avarias mecânicas • O desenvolvimento de avarias no Estator motor ou no equipamento acionado afeta a dinâmica da folga de entreferros e a dinâmica torsional entre o estator e o rotor Entreferros do motor • Essas variações alteram a relação entre a entrada do motor Rotor 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 A deteção de avarias mecânicas • O desenvolvimento de avarias no Estator 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 Rotor 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 O espetro de Densidade Espetral de Potência (PSD) 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. Tensão de Falta de alimentação : 380 V tensão Frequência da rede : nas 50 Hz correias 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. Desequilí brio 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 Factor de Curva de aprendizagem, o MCM potência operação do motor trata cada ponto operacional do motor C3 como um cluster no espaço tridimensional (fator de potência, C4C2 ganho, frequência de C1 alimentação). • Cada cluster possui um CARGA DO MOTOR Ganho modelo separado (Corrente / Voltagem) Frequência (Hz) • No modo de monitoramento, cada dado é comparado com o cluster mais próximo CARGA DO MOTOR Ethernet 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 MMoottoorr NORMAL ttrriiffáássiiccoo VER ALIMENTAÇÃO Entrada Co VER CARGAComppaarraaççããoo EXAMINAR 1 MMooddeelloo EXAMINAR 2 maatteemááttiiccoo Saída calculada Estratégia de Alarmes 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: Avarias elétricas Para utilizadores avançados: Análise espetral Tendência Integração de sistemas ENTERPRISE ERP/EAM LEVEL CONTROL DCS/SCAD LEVEL A Artesis MCM Operati Maintena - Condition based - Time to failure monitoring - Diagnostic - - Me oasnusrements - Meansucreements - Measurement based New Work - Asset Health - Asset Health monitoring Requests - Time specific work - -Historical order trending 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 Certificações 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 ALGUNS CLIENTES PETROQUÍMICA AUTOMOVÉL & FABRICAÇÃO ALIMENTAR & FARMACEUTICA ENERGIA & METAL ÁGUA TRANSPORTES Sistemas de monitorização permanente Sistemas protetivos e preditivos Transmissores de vibrações Ex 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 OBRIGADO Esperamos que esta apresentação tenho sido interessante