Diagnóstico de motores de indução à partir da técnica de assinatura elétrica de corrente

Abstract

Este trabalho investiga a aplicação de análise espectral de assinaturas elétricas para diagnóstico de falhas mecânicas em um motor simulado, utilizando o relé inteligente GE 869. A metodologia baseia-se na Transformada Rápida de Fourier (TRF) dos sinais de corrente para detectar variações associadas a falhas mecânicas de diferentes amplitudes. Os resultados mostraram que, mesmo com o uso de uma mala de testes para simulação do motor, foi possível observar alterações significativas na assinatura elétrica com o aumento da falha, indicando o potencial dessa abordagem. A análise evidenciou o surgimento de novos picos de frequência, cuja intensidade e largura aumentaram conforme a falha progrediu, validando a eficácia do método para monitoramento de motores. Embora o relé GE 869 não tenha identificado automaticamente todas as falhas, devido à natureza simulada do experimento, a metodologia apresenta uma alternativa viável e promissora para diagnósticos mais automatizados e precisos em motores reais. Estudos futuros devem explorar essa técnica em motores de maior potência para otimizar a detecção e caracterização de falhas em cenários industriais.

This study investigates the application of electrical signature spectral analysis for diagnosing mechanical faults in a simulated motor using the intelligent relay GE 869. The methodology employs the Fast Fourier Transform (FFT) of current signals to detect variations associated with mechanical faults of different amplitudes. Results showed that even with the use of a test case to simulate the motor, significant changes in the electrical signature were observed as the fault amplitude increased, demonstrating the potential of this approach. The analysis revealed the emergence of new frequency peaks, whose intensity and width increased with fault progression, validating the method’s effectiveness for motor monitoring. Although the GE 869 relay did not automatically identify all faults due to the simulated nature of the experiment, the methodology presents a viable and promising alternative for more automated and precise diagnostics in real motors. Future studies should explore this technique on high power motors to optimize fault detection and characterization in industrial settings.