Resumo: Aplica-se neste trabalho a metodologia de diagnóstico de falhas em sistemas mecânicos rotativos sustentados por mancais magnéticos ativos em conjunto com um sistema de controle ativo de vibração, excitados por forças de desbalanço e ruído branco. Este diagnóstico baseia-se no emprego das equações de correlações, através da formulação matricial de Ljapunov, para sistemas lineares estacionários juntamente com redes neurais artificiais. Este procedimento utiliza apenas as variáveis de estado medidas, através da correlação das variáveis de saída. É gerado um conjunto de relações envolvendo os parâmetros físicos do sistema juntamente com as matrizes de correlações das variáveis medidas. As falhas no sistema são detectadas através do monitoramento da variação dos parâmetros físicos e da comparação das funções de correlação teóricas e estimadas. As redes neurais artificiais são usadas para mapear as correlações que envolvem estados que não são medidos. Dado ao grande número de equações de compatibilidade resultantes, é proposta uma metodologia para selecionar as equações relacionadas com as falhas propostas. Com o método de diagnóstico de falhas proposto é possível detectar e discernir as falhas tanto mecânicas quanto elétricas, bem como sua localização no sistema Ver menos

Abstract: This work applies the methodology of fault diagnosis in rotating machinery supported by active magnetic bearings and active con1rol systems, excited by unbalance and white noise. This diagnostic applies the correlation matrices based on the Ljapunov matrix formulation and artificial neural network for linear stationary systems. The procedure uses only measured state variables, computing the correlation between the output variables. It is possible to derive specific relations involving the physical parameter of the system and the correlation matrices of the measured variables. Faults in the system can be detected by monitoring the variation of the physical parameter through a comparison of theoretical and estimated correlation functions. Artificial neural networks are used to map the correlations involving the variables, which are difficult to be measured. There is a large number of resultant compatibility equations and it is proposed a methodology to select the equations that establish relationships with the faults. The proposed fault diagnosis method can detect the fault present in the system and it is also possible to distinguish between mechanical and electrical fault as well as their location in the system Ver menos