Monitoramento de falhas em motores de indução utilizando inteligência artificial embarcada

Dias, Samaherni Morais

Universidade Federal do Rio Grande do Norte

2025-01-10

Motor de Indução Trifásico

Análise de Vibração

Detecção de Falhas

Aprendizado de Máquina

Redes Neurais

ESP32-S3

Sistemas Embarcados

Estima-se que existam cerca de 20 milhões de motores de indução trifásicos em operação, sendo este o tipo mais utilizado na indústria. O motivo é a robustez, versatilidade, baixo custo e alta eficiência. Para garantir um ótimo desempenho e evitar paradas não programadas do motor, é necessário realizar o monitoramento regular das suas condições. Neste contexto, este trabalho busca desenvolver um sistema de monitoramento e detecção preditiva de defeitos em motores de indução trifásicos utilizando uma rede neural perceptron de multicamadas implementada em um microcontrolador ESP32-S3. Para isso, foi realizada a coleta de dados para o treinamento e teste da rede neural em uma bancada de testes, utilizando o acelerômetro ADXL335 e um ESP32. As condições monitoradas incluem: operação normal, desbalanceamento de corrente e defeito no rolamento. Após a coleta, foi adicionado ruído Gaussiano e foi realizada a expansão dos dados. A rede neural foi definida com duas camadas intermediárias "totalmente conectadas", cada uma contendo 8 neurônios e utilizando a função de ativação ReLU, já a camada de saída possui 3 neurônios, correspondentes às classes normal, desbalanceamento e rolamento, e utiliza a função de ativação Softmax. A rede foi treinada e quantizada, sendo implementada no ESP32-S3. O modelo obteve uma acurácia de 98%, atendendo aos objetivos propostos.