Model reduction and dynamic matrices extraction from state-space representation applied to rotating machines

Martin, Leonardo Biagiotti Saint; Mendes, Ricardo Ugliara; Cavalca, Kátia Lucchesi

doi:10.1016/j.mechmachtheory.2020.103804

Cited by 12 publications

(3 citation statements)

References 22 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Moreover, a great problem in rotordynamics is the obtention of reduced models to accurately represent the machines. The method proposed in this work can be seen as an alternative to current modeling reduction techniques [30].…”

Section: Introductionmentioning

confidence: 99%

Continuous model applied to multi-disk and multi-bearing rotors

Mereles

Alves²,

Cavalca³

2022

Journal of Sound and Vibration

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 99%

Continuous model applied to multi-disk and multi-bearing rotors

Mereles

Alves²,

Cavalca³

2022

Journal of Sound and Vibration

View full text Add to dashboard Cite

“…Esses métodos, que incluem os métodos SVD (Singular Value Decomposition) ou Krylov, são convenientes não apenas para aplicações de controle, mas também para monitoramento de máquinas. A segunda são os métodos para análise estrutural via método dos elementos finitos, que incluem os métodos de Guyan, IRS (Improved Reduction System) e SEREP e suas variantes (Saint Martin et al, 2020).…”

Section: Redução Da Ordem Do Modelounclassified

“…Os métodos de redução de modelo devem fornecer um sistema de ordem reduzida que represente fisicamente e de forma precisa o comportamento real da máquina dentro de sua faixa de frequência de operação. Devem proporcionar redução do tempo de processamento em análises, principalmente em sistema que tratam de não linearidades, com uma boa previsibilidade do comportamento da máquina (Saint Martin et al, 2020).…”

Section: Redução Da Ordem Do Modelounclassified

Detecção de falhas em rotores sustentados por mancais magnéticos ativos

Machado da Silva

View full text Add to dashboard Cite

Este trabalho é resultado do apoio e contribuição de diversas pessoas as quais agradeço neste espaço. Ao Professor Dr. Robson Pederiva pelo trabalho de orientação e amizade nesses anos de caminhada desde o mestrado. Aos professores e colegas da FEM /Unicamp pelos ensinamentos e convívio. Aos colegas de trabalho das instituições onde leciono pelo incentivo e amizade, especial agradecimento aos coordenadores e ao diretor da Faculdade de Tecnologia de Mogi Mirim que não mediram esforços para me auxiliar nos afastamentos para concluir este trabalho. Aos ex-colegas do Centro Tecnológico da Marinha em São Paulo (CTMSP) onde foi realizado a parte experimental deste trabalho, em especial ao Dr. Paulo Sérgio Pierri pelas contribuições e apoio nos experimentos.À minha esposa Maria Amélia e à minha filha Maísa pela compreensão nos momentos de ausência, pelo carinho e pela paciência. ResumoOs mancais magnéticos ativos são intrinsecamente instáveis e requerem um controlador em realimentação para garantir que sua operação seja estável. Por isso sensores, atuadores e o rotor propriamente dito precisam funcionar dentro de condições normais. Logo possuir um sistema de detecção e diagnóstico de falhas é importante para garantir uma operação segura e confiável. Nesse sentido, vários estudos têm desenvolvido métodos para detectar falhas mecânicas associadas principalmente ao rotor ou ao sistema elétrico: sensores, atuadores do mancal e controle. No entanto, nesses estudos, geralmente é necessário a identificação prévia dos parâmetros dinâmicos do sistema ou das forças magnéticas, o que pode ser impraticável em máquinas reais. Para superar este problema, este trabalho aplica uma metodologia de detecção de falhas mecânicas e elétricas em um rotor totalmente levitado por mancais magnéticos ativos com controle em realimentação. O método é desenvolvido com base no conhecimento da estrutura do modelo matemático que foi desenvolvido para o rotor associado à lei de controle e às forças magnéticas dos mancais. Inicialmente o sistema é excitado por forças de desbalanceamento e ruídos, e simulado no domínio do tempo. A abordagem baseiase no uso de equações de correlação obtidas a partir da formulação matricial de Lyapunov para sistemas lineares estacionários. As equações relacionadas aos parâmetros mecânicos e elétricos de interesse são selecionadas a partir de um conjunto de equações de correlação entre os sinais medidos. As diferenças entre os sinais de correlação relacionados a cada defeito proposto, seja mecânico ou elétrico, são monitoradas. Os termos das equações de correlação referentes aos estados que não puderam ser medidos são mapeados por redes neurais artificiais, sendo gerada uma rede neural para cada equação de interesse. Por fim, é calculada a diferença entre as correlações medidas (com falha) e as correlações esperadas (sem falha).Através dessas diferenças e da rede neural onde o erro se manifesta, conclui-se quanto ao tipo de falha e sua localização no sistema. Através do método proposto, é possível identificar diversas config...

show abstract