1. O documento descreve um software desenvolvido para aquisição e análise de sinais de vibração com o objetivo de auxiliar a manutenção preditiva de máquinas rotativas de forma barata.
2. O software utiliza o LabVIEW para realizar aquisições de sinais no domínio do tempo e da frequência, detectar falhas em tempo real usando lógica fuzzy e ler arquivos de dados para análises adicionais.
3. O software foi validado em uma bancada experimental equipada com um motor elétrico e gerador acop
Redes I - 2.1 - Camada Física e Tecnologias de Transmissão
Análise de vibrações de máquinas rotativas
1. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG
26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia
INSTRUMENTAÇÃO VIRTUAL PARAAQUISIÇÃO DE SINAIS
E ANÁLISE DE FALHAS EM MÁQUINAS ROTATIVAS
Silva, V. A. D.; Costa, C. M.; Lamim Filho, P. C. M.; Brito, J. N.
Departamento de Engenharia Mecânica - UFSJ, Praça Frei Orlando 170,
CEP 36307-352, São João Del-Rei, MG.
viniciusadsilva@gmail.com, cris_tianemelo@hotmail.com, plamim@yahoo.com, brito@ufsj.edu.br.
Resumo. Técnicas de identificação de equipamentos dinâmicos através de seus sinais de
vibração constituem um importante ramo das aplicações em engenharia de manutenção.
Ferramentas modernas de aquisição e análise, aliadas a rotinas de processamento de
sinais contribuem para a melhoria dos processos de inspeção da manutenção preditiva. O
software LabVIEW é uma ferramenta de processamento de sinais adequado a análise de
vibrações de sistemas mecânicas. Assim, este trabalho tem por objetivo apresentar um
software de baixo custo para aquisição e análise de sinais de vibração com o objetivo
auxiliar a rotina de inspeção da manutenção preditiva.
Palavras chaves: Análise de Vibrações, Aquisição de Dados, Desenvolvimento de
Software.
2. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
1. INTRODUÇÃO
O crescimento da competitividade e os novos desafios relacionados com o aumento de
produtividade entre as indústrias têm exigido máquinas cada vez mais complexas e
sofisticadas, por isso, o sistema de monitoramento da condição dessas máquinas tem se
tornado muito importante, Silva et. al (2009).
Com uma economia de mercados globalizada a concorrência entre as indústrias
aumenta a cada dia. Isto leva a uma constante busca na diminuição dos custos dos produtos
associada ao aumento da qualidade. Conseqüentemente, as máquinas passam a trabalhar de
forma ininterrupta e submetidas a grandes velocidades. Com esse alto grau de
produtividade, qualquer parada não programada (manutenção corretiva não planejada)
causa grandes prejuízos. Portanto, uma melhoria no uso das técnicas de manutenção
adequadas torna-se imprescindível. Conhecer as existentes, aprimorá-las e desenvolver
novas tecnologias significam uma manutenção de melhor qualidade e, consequentemente,
com menos tempo de horas paradas, Brito (2002).
Atualmente a interação entre elementos físicos presentes nas máquinas rotativas e as
pessoas responsáveis por monitorá-las tornou-se cada vez mais importante e são realizadas
com a utilização de softwares de monitoramento de dados, esses softwares são
responsáveis por interfacear o hardware de aquisição de sinais, disponibilizando um
ambiente gráfico, rico em informações, que possa ser utilizado pelo pessoal da manutenção
para monitorar e intervir no equipamento no qual se deseja acompanhar.
Devido aos elevados custos embutidos nesses sistemas de aquisição e monitoramento
de máquinas rotativas, é importante a pesquisa e o desenvolvimento de novas alternativas,
que visam baixar os custos para a indústria e ao mesmo tempo proporcionarem uma
funcionalidade tão boa quanto às existentes em soluções desenvolvidas por grandes
empresas do ramo de manutenção preditiva.
2. METODOLOGIA
2.1. Processo de aquisição de sinais de vibração
As etapas básicas de um sistema de aquisição de sinais de vibração estão ilustradas na
Figura 1.
Figura 1. Etapas básicas de um sistema de aquisição de sinais de vibração.
Em um sistema de aquisição de sinais os seguintes parâmetros devem ser levados em
consideração:
Taxa máximo da amostragem;
Largura de banda;
Alcances;
Número de bits de resolução;
Impedância de entrada;
3. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
Número de canais de entrada;
Canais diferenciais/referenciados à massa;
Interface de saída;
Capacidade de transmissão/armazenamento;
Saídas analógicas;
Entradas/saídas digitais
Método de amostragem
Formulado por Nyquist em 1928, a teoria da amostragem diz que, se um sinal de banda
limitada for amostrado a pelo menos 2 vezes a sua frequência máxima, então pode ser
recuperado. Caso contrário ocorre espelhamento (aliasing).
Define-se, fmax como a frequência máxima do sinal a amostrar, fs como a frequência de
amostragem, e fN=fs/2 como a frequência de Nyquist. Por vezes também designa por
frequência de Nyquist à máxima frequência útil do sinal e ainda o dobro da frequência
máxima do sinal. Desta forma se fN ≥ fmax então não existe rebatimento, mas se fN<fmax,
então existirá rebatimento. Na Figura 2, tem-se a representação do rebatimento em um
sinal.
Figura 2. Representação do rebatimento em um sinal.
Outro problema que pode ocorrer em um processo de aquisição de sinais é o
espalhamento espectral. Ele surge porque o período de aquisição, não corresponde a um
múltiplo do período do sinal. Na Figura 3, tem-se a representação de um sinal com e sem
espalhamento, onde N é o número de pontos adquiridos e Δt é inverso da fs.
(a) (b)
Figura 3. Representação de um sinal sem espalhamento espectral (a), e com espalhamento
espectral (b).
Para reduzir os efeitos do espalhamento espectral utilizam-se as janelas temporais, que
consistem na multiplicação do sinal amostrado pelos coeficientes da janela. Cada janela é
4. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
caracterizada pela função dos coeficientes e por alguns parâmetros do seu espectro. Na
Figura 4, tem-se a representação das principais janelas temporais para os seguintes dados,
f=1100Hz, fs=10000 amostras por segundo (aps), n=8, A=1V, N=10017, Δf=0,9983Hz,
sendo Δf = fs/N.
Figura 4. Representação das principais janelas temporais.
Na tabela 1 tem-se, atualização das janelas para diferentes tipos de sinais.
Tabela 1. Utilização das janelas temporais.
Tipo de Sinal Janela
Onda senoidal ou composição de ondas sinusoidais. Hanning, Blackman
Onda senoidal em que a exatidão da amplitude seja importante. Flap Top
Sinais aleatórios de banda estrita. Hanning, Blackman
Sinais aleatórios de banda larga (Ruído Branco). Retangular
Senóides sobrepostas. Retangular
Conteúdo desconhecido. Hanning, Blackman
2.2. Análise dos sinais.
Um sinal pode ser analisado de varias formas dentre elas tem-se, o domínio temporal e
o domínio da frequência (análise espectral).
2.2.1. Transformada de Fourier
A Transformada converte os dados de um domínio em outro domínio, sem qualquer
perda de informações. No caso das vibrações, os dois domínios são domínios de tempo
(amplitude x tempo) e o domínio da frequência (amplitude x frequência), partindo do
pressuposto de que todo sinal pode ser definido como a soma ponderada de funções
trigonométricas, dado um sinal bidimensional a, sua Transformada de Fourier é A=F a ,
onde ocorre a passagem do domínio espacial discreto para o domínio contínuo de
frequência. A Transformada Inversa é expressa por a=F-1
A . A Transformada de Fourier
é inversível, assim a=F-1
F A e A=F F-1
A , Dornellas (2005). Na equação 1, tem-se
a representação do domínio do tempo contínuo. Onde X(w) é o sinal no domínio da
frequência, x(t) é o sinal no domínio do tempo; i é a representação de número imaginário;
d é a frequência em rad/s, e t é o tempo.
5. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
(1)
2.2.2. Transformada de Hilbert
A Transformada de Hilbert é uma técnica muito empregada em processamento digital
de sinais por sua importância em tarefas tais como detecção de envelopes de amplitude e
demodulação de sinais. Basicamente, essa ferramenta desloca a fase das componentes de
um determinado sinal em noventa graus, sem alterar sua amplitude, Demay (2008). Na
equação 2 tem-se a Transformada de Hilbert. Onde x(t) é o sinal a ser deslocado em
frequência, é o sinal x(t) transformado pela Transformada de Hilbert, e H(x(t)) é a
Transformada de Hilbert de x(t).
(2)
2.3. Filtragem digital
Os equipamentos utilizados na aquisição e transmissão podem adicionar a elas ruídos e
para combater este tipo de ruído são normalmente empregados filtros. A aplicação de
filtros busca uma grande objetividade nos testes, além da versatilidade, permitindo a
remoção de ruídos tanto para alta como para baixas frequências. Dentre os principais tipos
de filtros digitais tem-se Butterworth, Chebyshev e Bessel. Na Figura 5 tem-se a
representação dos tipos de filtros.
Figura 5. Representação dos tipos de filtros.
Em verdade o filtro de Butterworth é uma escolha adequada dos coeficientes de uma
equação diferencial para que sejam conservadas as amplitudes para certos valores da
frequência e anulada outras.
O modelo de filtragem de Butterworth consiste essencialmente em se buscar uma
forma adequada para o módulo da função de resposta em frequência, de modo a conferir
um grau de eficiência crescente ao processo de filtragem, Demay (2008).
Em séries temporais de aceleração o filtro de Butterworth com dois a quatro pólos é o
mais indicado, pois apresenta uma transição de bandas suaves, Chita et al. (2007).
Uma desvantagem dos filtros é que pode haver perda de informações relativas à
largura de banda filtrada. Os filtros podem ser dos seguintes tipos, filtro passa-baixa é
6. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
aquele em que somente as componentes com frequências abaixo de certo valor da
frequência de corte são coletadas, Figura 6 (a), o filtro passa-alta retém as componentes
com frequências abaixo da frequência de corte e conserva as com frequências acima,
Figura 6 (b) e filtro passa-banda coleta apenas as componentes com frequências dentro de
uma faixa, Figura 6 (c).
(a) Passa-baixa (b) Passa-alta (c) Passa-banda
Figura 6. Tipos de filtragem.
3. BANCADA EXPERIMENTAL
Na Figura 7 tem-se a bancada experimental de testes situada no LASID - Laboratório
de Sistemas Dinâmicos da Universidade Federal de São João Del Rei, utilizada para a
validação do programa como fonte real de vibração.
Figura 7. Bancada experimental.
Os defeitos foram inseridos no motor de indução trifásico {1}, Eberle, 1/3 CV, 860
rpm, 220V, 60 Hz, 8 pólos, categoria N, rolamentos SKF 6204 zz, classe de isolamento B,
FS 1,15, Ip/In 3,5, IP 55, 1,68A.
Como sistema de carga utilizou-se o gerador de corrente continua {2}, Kuper, 0,45
KW, 1500 rpm, 220V, 60 Hz, classe F, rolamentos SKF 6203, IP 23, 0,45A, alimentado
com um banco de resistência. Para variação da carga utilizou-se o varivolt de 110V.
Os sinais de vibração foram obtidos utilizando-se um acelerômetro SKF CMSS2200
{3}, com sensibilidade de 100 mV/g, fixados através de bases magnéticas em posições pré-
definidas tanto na direção radial como axial. Usou-se a janela Hanning, e uma taxa de
aquisição de 10000 aps (amostras por segundo).
1
2 3
4
5
7. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
O sinal coletado é conduzido a um filtro anti-aliasing {4} com filtragem passa-baixa
regulada para 2kHz, preparando o sinal. Dentro do software utilizou-se um filtro digital
butterworth tipo passa-banda com corte baixo de freqüências de 2 Hz e corte alto de
freqüências de 2500 Hz, com o objetivo de eliminar o nível DC do sinal.
Os sinais são convertidos de analógico para digital através da placa de aquisição de
sinais NI USB-6251 - BNC, 1,25 MS/s, 16 bits, 8 canais {5}, para posteriormente serem
analisado no programa desenvolvido na plataforma LabVIEW 9.0.
Antes dos testes foi feito o balanceamento dinâmico e alinhamento a laser da bancada
de teste. Também verificou-se possíveis folgas mecânicas (base frouxa do motor). Através
deste procedimento obteve-se os espectros de vibração para a condição considerada sem
defeito (amplitude inferior a 0,500 mm/s na freqüência de rotação).
4. ANÁLISE DOS RESULTADOS
Através do programa desenvolvido na plataforma LabVIEW é possível fazer aquisições
de sinais de vibração em diferentes domínios, Figura 8(a) e 8 (b), detecção de falhas em
tempo real através da lógica fuzzy, Figura 8 (c), além da leitura de qualquer arquivo de
dados em formato *.txt, Figura 8 (d), o que permite ao usuário uma análise mais detalhada
e uma nova plotagem de espectros e/ou aquisições, caso ele necessite.
(a) Aquisição de sinais em tempo real. (b) Analises tempo-frequência.
(c) Detecção em tempo real de falhas.
(d) Leitura de qualquer arquivo de
dados em formato *.txt.
Figura 8. Telas do programa desenvolvido na plataforma LabVIEW.
8. Nono Simpósio de Mecânica Computacional Universidade Federal de São João Del-Rei – MG – ABMEC
5. CONCLUSÕES
Os tradicionais softwares de análise de vibrações possuem custo elevado e depende de
aparelhos específicos (normalmente da fabricante do software), para a coleta do sinal. Já
com o software de baixo custo apresentado neste trabalho é possível realizar praticamente
as mesma tarefas que os tradicionais softwares de análise de vibrações efetuam, com a
vantagem de necessitar apenas de sensores e uma placa de aquisição de sinais, dando mais
flexibilidade ao usuário.
Desta forma tornar possível a implementação de um programa de manutenção
preditiva em empresas que se encontram em situação de crescimento, e assim aumentar a
confiabilidade e a disponibilidade de seus equipamentos, mesmo que ela não disponha de
muito capital para investir em manutenção.
6. BIBLIOGRAFIA
Brito, J. N., “Desenvolvimento de um Sistema Inteligente Híbrido para Diagnóstico de
Falhas em Motores de Indução Trifásico”, Campinas, Faculdade de Engenharia
Mecânica, Universidade Estadual de Campinas, 2002. Tese (Doutorado).
Chita, P.; Santos, J.; Oliveira, C.S.; Gomes, R. C.; “Processamento de registros
acelerométricos: procedimentos e comparação de métodos”, Lisboa-Portugal, 2007.
Demay, M. B.; “Desenvolvimento de sistemas para medição de freqüência rotacional em
compressores herméticos”. Florianópolis - SC, Brasil. 2008.
Dornellas, L. S. O.; “Aplicação de métricas de desempenho a filtros digitais bi-
dimensionais”, Campo Grande - MS, Brasil.2005.
Farias, P. C. M. A., Pêpe, I.; “Desenvolvimentos de um equipamento para caracterização
acústica de ambientes”. Sitientibus, Feira de Santana, n 22, p.71-88. 2000.
Silva, V. A. D., Brito, J. N., Baccarini, L. M. R.; “Detection of Stator Winding Inter-Turn
Short Circuit Using Thermographic Analysis”. Proceedings of the 20th
International
Congress of Mechanical Engineering - COBEM 2009. Gramado - RS, Brazil. 2009.
7. DIREITOS AUTORAIS
Os autores são os únicos responsáveis pelo conteúdo do material impresso incluído no
seu trabalho.