TÉCNICAS DE MONITORAMENTO E DETECÇÃO DE FALHAS EM BANCADA DE GERADOR EÓLICO DE PEQUENO PORTE POR ANÁLISE DE VIBRAÇÕES

Descrição

Dando continuidade de pesquisas na linha de Monitoramento e detecção de falhas em máquinas rotativas por análise de vibração, essa proposta de pesquisa pretende desenvolver ferramentas de modelagem e simulação computacional, através de técnicas de Deep Learning e de Redes Neurais Artificiais (RNA), aplicada numa bancada experimental de turbina eólica de pequeno porte (6 kW), visando a aplicação de técnicas de monitoramento e detecção de falhas, sob diferentes regimes de rotação (faixa 10 até 400 rpm), causando perturbações induzidas devido a reação dos imãs magnéticos do gerador de energia, e analisar seu comportamento dinâmico, visando aplicar estratégias de monitoramento e diagnóstico de vibrações. Esse projeto de pesquisa se enquadra numa das metas de um projeto mais abrangente aprovado na Chamada CNPQ/MCTI 25/2022 - Energias Renováveis, intitulado “Monitoramento de condição baseado em métodos de previsão e diagnóstico de falhas para rolamentos de giro de turbinas eólicas de grande porte”, incluindo o uso de métodos de modelagem, detecção e diagnóstico de falhas em componentes de aerogeradores instalados em parques eólicos, baseado em técnicas modernas, através da simulação de bancos de dados em ambiente de operação de parques eólicos (big data), e realizando estudos do comportamento estático e dinâmico de subconjuntos mais críticos como os mancais de rolamentos e conjunto das pás de turbinas eólicas, visando monitorar a integridade estrutural dos componentes e aumentar a confiabilidade do sistema.