Diagnóstico de falhas em motores de tração de locomotivas diesel-elétricas baseado em sistemas inteligentes / Fault diagnosis in diesel-electric locomotives traction motors based on intelligent systems

Ricardo Gusmão Dias, Maurílio José Inácio, Renato Dourado Maia

Abstract


O modal ferroviário é um importante meio de transporte e o veículo empregado para movimentar trens de carga ou passageiro é a locomotiva. Um dos tipos de locomotiva mais utilizado é a locomotiva diesel-elétrica, caracterizada por possuir um motor diesel que aciona um gerador elétrico para alimentar os motores elétricos, denominados motores de tração. Falhas nos motores de tração causam impacto na operação das locomotivas e afetam a área de manutenção das empresas, uma vez que a sua manutenção representa um custo significativo. Neste contexto, o diagnóstico de falhas em motores de tração de locomotivas é relevante e várias abordagens têm sido propostas na literatura. Este trabalho propõe e avalia três modelos de sistemas inteligentes aplicados no diagnóstico de falhas em motores de tração: uma rede neural artificial tipo feedforward de múltiplas camadas, uma rede neurofuzzy e um classificador fuzzy evolutivo. Os resultados dos experimentos computacionais realizados demonstram que todos os modelos alcançam bom desempenho no diagnóstico de falhas, com melhores resultados apresentados pela rede neurofuzzy. Os resultados demonstram ainda que rede neural artificial permite a realização do diagnóstico com maior rapidez e que o classificador fuzzy evolutivo permite o aprendizado das falhas de modo on-line e em tempo real.


Keywords


Falhas, Motores Elétricos, Locomotivas Diesel-Elétricas, Inteligência Computacional.

References


ANGELOV, P. KASABOV, N. Evolving Intelligent Systems - eIS. IEEE SMC eNewsLetter, n. 15, 2006, p. 1-13.

ANGELOV, P. et al. Evolving Intelligent Systems: Methodology and Applications. New York, USA: John Willey & Sons, 2010.

ANTT. Transporte de Cargas Ferroviário. Disponível em: . Acesso em: 10 ago. 2020.

BARUAH, D. B. and ANGELOV, P. Evolving fuzzy systems for data streams: a survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, v. 1., 2011, p. 461-476.

BORBA, J. L. Apostila de Engenharia de Manutenção. Programa de pós-graduação em Engenharia Ferroviária. Pontifícia Universidade Católica, Belo Horizonte, MG, 2013.

CHEN, Z. P., et al. Analysis and Comparison of Locomotive Traction Motor Intelligent Fault Diagnosis Methods. Applied Mechanics and Materials, v. 97-98. 2011. p. 994-1002.

CNT. Anuário CNT do Transporte. Disponível em: . Acesso em: 10 ago. 2020.

FARIA, C. Apostila de Custos de Ferroviários. Programa de pós-graduação em Engenharia Ferroviária. Pontifícia Universidade Católica, Belo Horizonte, MG, 2012.

GARRAMIOLA, F. et al. A Review in Fault Diagnosis and Health Assessment for Railway Traction Drives. Applied Sciences, n. 8, 2018, p. 2475.

GMC - General Motors Corporation. Motores de tração, procedimentos recomendados. Tradução da obra: Electro-Motive Division General Motors Corporation, Traction Motors Recommended Practices, 1994.

INÁCIO, et al. Diagnóstico de Falhas On-Line Baseado em Sistema Inteligente Evolutivo. Anais: XIX Congresso Brasileiro de Automática - CBA. Campo Grande, 2012.

JANG, et al. Neuro fuzzy and soft computing. Upper Saddle River, NJ, USA: Prentice Hall, 1997.

KASABOV, N. SONG, Q. DENFIS: Dynamic Evolving Neural-Fuzzy Inference System and Its Application for Time Series Prediction. IEEE Transactions on Fuzzy Systems, v. 10, n. 2, 2002, p. 144-154.

MATLAB. Mathworks. Disponível em: < https://www.mathworks.com/products/matlab.html>. Acesso em: 04 set. 2020.

SILVA et al. Redes neurais artificiais: para engenharia e ciências aplicadas. São Paulo: Artliber, 2010.

VACHTSEVANOS, G. et al. Intelligent Fault Diagnosis and Prognosis for Engineering Systems. Hoboken, N. J., USA: Wiley, 2006.

VLI. VLI Logística. Disponível em: . Acesso em: 15 jul. 2020.

WABTEC. QES-III Control System. Disponível em: . Acesso em: 15 jul. 2020.




DOI: https://doi.org/10.34117/bjdv7n6-671

Refbacks

  • There are currently no refbacks.