Fault detection in eletric motor through Wavelet packet transform and dimensionality reduction methods

Motores elétricos são componentes de grande importância na maioria dos equipamentos de plantas industriais. As diversas falhas que ocorrem nas máquinas de indução podem gerar consequências severas no processo industrial. Os principais problemas estão relacionados à elevação dos custos de produção, piora nas condições do processo e de segurança e, sobretudo piora na qualidade do produto final. Muitas destas falhas mostram-se progressivas. Neste trabalho, apresenta-se uma contribuição ao estudo de Técnicas de Processamento de Sinais Baseadas na Transformada Wavelet para extração de parâmetros de Energia e Entropia a partir de sinais de vibração para detecção de falhas no regime não-estacionário (parada e partida do motor). Em conjunto com a transformada Wavelet utilizam-se métodos de redução de dimensionalidade como, a análise em componentes principais (PCA e a análise Linear Discriminante (LDA). O uso de uma bancada experimental mostra que os resultados da classificação têm alta precisão.Electric motors are very important components in most industrial plants equipment. The several faults occurring in induction machines can generate severe consequences in the industrial process. The main problems are related to high production costs, worsening the conditions of process and security, and especially poor quality of the final product. Many of these failures are shown progressive. This work presents a contribution to the study of Signal Processing Techniques Based on Wavelet Packet Transform for extracting parameters of Energy and Entropy, together makes the use of dimensionality reduction methods like the Principal components Analysis (PCA) and Linear Dscriminant Analysis (LDA). This analysis is done from the acquisition of vibration signals in Non-Stationary state (stop and start the engine). The results show that the performance of classification has high accuracy based on experimental work