KOHONEN
Allan E. S. Freitas
edgard@ufba.br
Js J. F. Cerqueira
jes@ufba.br
Niraldo R. Ferreira
niraldo@ufba.br
j
(2)
A partir de uma segunda transformao linear, aplicada ao
conjunto {n
i
}, obtido a partir do conjunto de referncia do
sistema {v
i
} pela equao anterior, obtm-se um conjunto de
referncia normalizado {m
i
}, em que cada componente possui
mdia e varincia iguais e seus valores variem no intervalo [0,1],
conforme a equao:
m
i
j
=
n
i
j
min
j
max
j
min
j
(3)
O sistema tem seus parmetros ajustados baseado no conjunto
de referncia normalizado e tais transformaes so aplicadas a
todo vetor apresentado ao sistema baseado nas constantes
j
,
j
,
max
j
, min
j
obtidas previamente.
Assim, o conjunto de vetores {m
i
} associado aos dados
coletados em operao normal possuem mesma varincia e faixa
de valores para todos os seus componentes, o que possibilita
que cada um destes componentes contribua de mesmo modo no
processo de escolha dos vetores caractersticos.
A gura 1 expressa o funcionamento do modelo.
7 SIMULAES DE DETECO DE
FALHAS EM UM MOTOR DE INDUO
Um motor de induo um sistema eltrico susceptvel a
diversos tipos de falhas. Em (Dalva e Thorsen, 1995) so
apresentados vrios tipos de falhas a que esto sujeitos motores
de induo operando na indstria petrolfera, envolvendo
elementos diversos, como: a barra do rotor, o estator ou
o rolamento, alimentao eltrica etc. Como uma forma
de monitorar tais falhas, Dalva e Thorsen (1995) enumera
diversos elementos do sistema: espectro de vibrao do motor,
harmnicos de corrente do estator, harmnicos da tenso de
alimentao do motor, utuaes na velocidade, temperatura do
motor etc.
Diversos sistemas de deteco de falhas em motores de induo
so propostos em literatura (Filippetti et al., 2000). Cada um dos
modelos analisam um subconjunto dos elementos passveis de
monitorao em um motor de induo, detectando alguns tipos
de falha.
Ong (1998) apresenta um modelo dinmico para o motor
trifsico, baseado em equaes diferenciais de primeira ordem
que denem as tenses de cada fase do estator e do rotor:
_
_
v
as
= i
as
R
1
+
d
dt
as
v
bs
= i
bs
R
1
+
d
dt
bs
v
cs
= i
bs
R
1
+
d
dt
cs
v
ar
= i
ar
R
1
+
d
dt
ar
v
br
= i
br
R
1
+
d
dt
br
v
cr
= i
cr
R
1
+
d
dt
cr
(4)
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 3
PSfrag replacements
Dados em Condies Normais Forma Mapa de Cond. Normais
Dados (Ambiente de Produo) Mapa de Condies Normais Similar?
SIM
NO
normalidade
Mapa de Excees
Figura 1: Modelo de Deteco de Anomalias baseado em mapas auto-organizveis: Formao dos Mapas e Operao
Onde v
ij
, i
ij
e
ij
so, respectivamente, tenso, corrente e
enlace de uxo na fase i no componente j do motor, onde j = r
denota rotor e j = s, estator.
Ong (1998) apresenta que os enlaces de uxo do sistema de
equaes 4 podem ser determinados a partir das correntes do
estator e do rotor e das indutncias dos enrolamentos do estator
[L
abc
ss
], do rotor [L
abc
rr
] e da indutncia mtua entre estator e rotor
[L
abc
sr
e L
abc
rs
]:
_
as
bs
cs
ar
br
cr
_
_
=
_
L
abc
ss
L
abc
sr
L
abc
rs
L
abc
rr
_
_
_
i
as
i
bs
i
cs
i
ar
i
br
i
cr
_
_
(5)
Contudo a indutncia mtua entre rotor e estator [L
abc
sr
e L
abc
rs
]
varia devido ao ngulo do rotor (Ong, 1998), o que adiciona
certa complexidade ao sistema de equaes 4. Apesar disto,
uma transformao matemtica dq do sistema proposto em um
modelo baseado em representao qd0 facilita o clculo de
simulaes baseadas neste sistema, transformando-o em um
sistema de equaes diferenciais com indutncias constantes.
Ong (1998) prope um modelo qd0 a partir do sistema de
equaes 4 para representar o comportamento de um motor de
induo trifsico.
A partir deste modelo qd0 proposto implementado em
MATLAB/SIMULINK simulado um motor de induo com
as seguintes caractersticas e condies de operao:
tipo de rotor: rotor em gaiola;
tenso de alimentao de pico do estator [fase-neutro]: 162
Volts;
potncia total: 750 Watts [1 Cavalo];
fator de potncia: 0,8;
nmero de plos: 4 plos;
frequncia da rede: 60 Hertz;
carga de trabalho: 40% a 90% do valor mximo admitido.
A uma taxa de amostragem de 10KHz so coletados no
domnio do tempo os seguintes dados: tenso e da corrente
de uma das fases do estator; a velocidade do rotor e o torque
eletromagntico.
Um conhecimento prvio da aplicao permite uma escolha
apropriada do conjunto de elementos a serem analisados.
Cada tipo de exceo ou falha pode relacionar-se a alteraes
especcas em componentes de elementos mensurveis,
denindo assinaturas relacionadas ao estado de operao. Por
exemplo, componentes de freqncia da corrente do estator
[I(w
brb1
), ..., I(w
brbn
)] esto relacionado com a iminncia da
quebra de barra de rotor, sendo as freqncias w
brb
dadas por:
w
i
brb
= w
b
_
k
_
1 s
p/2
_
s
_
, i = 2k/p = 1, 5, 7, 11, 13...
(6)
onde p o nmero de plos do motor e k, um nmero natural
escolhido de modo que o ndice i resultante seja um nmero
mpar.
Baseado no subconjunto de dados mensurveis coletado, este
trabalho se prope a inferir se o estado de operao do motor
de normalidade, sendo simuladas as falhas de quebra gradual
de uma das barras do rotor e de desgaste do rolamento do estator.
realizado pr-processamento para extrao de componentes
da corrente do estator baseado no domnio da freqncia, por
meio da aplicao da FFT [Transformada rpida de Fourier].
Aps este, o conjunto de componentes analisados constitudo
pela fundamental e pela componente I(w
brb1
) da corrente do
estator [em que w
brb1
calculada a cada instante de acordo
com o escorregamento], pela velocidade angular do rotor e pelo
torque eletromagntico. O conjunto de componentes analisados
mensurados em operao normal apresentado na gura 2
O sistema inicialmente colocado em operao, e, aps a
resposta transitria do sistema, submetido a condies de
operao variadas que representem a operao normal do
sistema, sendo coletados os dados que compem o conjunto de
referncia do sistema.
O critrio utilizado para otimizao pelo algoritmo gentico foi
o de preciso de classicao e o mesmo converge tpicamente
em 120 iteraes, formando um mapa de condies normais,
que seleciona vetores caractersticos do conjunto de vetores
normalizado. So propostos a cada iterao do AG 50
subconjuntos de vetores caractersticos. Cada subconjunto
representa um conjunto de provveis vetores caractersticos para
o mapa de Kohonen. O algoritmo gentico recombin tais
subconjuntos, de modo a obter um subconjunto, cujos vetores
caractersticos melhor representem o estado normal.
O mapa formado ento dito mapa de condies normais. O
erro de classicao errmax obtido utilizado como referncia
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 4
50 100 150 200 250
0
2
4
6
8
10
Tempo (s) x Torque Eletromagntico (N.m)
50 100 150 200 250
0
1
2
3
4
5
Tempo (s) x Corrente da Fase A w (A)
50 100 150 200 250
0
0.02
0.04
0.06
0.08
0.1
Tempo (s) x Corrente da Fase A w (A)
50 100 150 200 250
0.94
0.95
0.96
0.97
0.98
0.99
1.00
Tempo (s) x Velocidade do Rotor (w /w )
PSfrag replacements
Dados em Condies Normais
Forma Mapa de Cond. Normais
Dados (Ambiente de Produo)
Mapa de Condies Normais
Similar?
SIM
NO
normalidade
Mapa de Excees
b
b
r brb1
Figura 2: Dados de simulao de motor de induo: 40% a 90% da carga em condies normais [T
em
, I(w
b
), I(w
brb1
), w
r
/w
b
]
para a vigilncia v deste mapa.
A seguir, foram simuladas situaes em que ocorrem as falhas
propostas:
motor com 87% de carga, simulado desgaste gradual e
quebra posterior de barra do rotor;
motor com 50% de carga, simulado desgaste gradual e
quebra posterior de barra do rotor;
motor com 80% a 90% de carga, simulado desgaste do
rolamento;
A gura 3 ilustra o conjunto de variveis associadas a segunda
condio de falha descrita.
Os vetores de dados relacionados as falhas tem 100% de rejeio
desde o incio da ocorrncia das falhas, sendo aceitos os vetores
de dados no relacionados com as janelas de tempo associadas
as falhas.
Em simulao anterior apresentada em (Freitas et al., 2004),
o custo computacional para a gerao do mapa de condies
normais por meio de AG [baseado em representao e
interpolao real] apresentou-se bastante superior ao da presente
simulao. Vericou-se ainda que por no considerar um
componente especco relacionado a assinatura de quebra de
rotor, somente 52,13% dos vetores associados a tal falha so
reconhecidos como anomalia embora a mesma seja detectada
em qualquer janela de tempo analisada em com durao superior
a 0,01s.
Os elementos rejeitados foram apresentados a mapa de excees
organizado espacialmente, o qual deniu regies distintas
associadas a falha de quebra do rotor e ao desgaste do rolamento.
8 GERAO DE REGRAS NEBULOSAS A
PARTIR DE MAPAS
Pode-se extrair as regras inferidas pelo mapa de condies
normais para um sistema lgico, conforme a gura 4, baseado na
lgica nebulosa (Zadeh, 1965), sendo utilizado o toolbox Fuzzy
Logic do MATLAB.
Cada vetor caracterstico c
j
deste mapa dene para cada um
de seus componentes c
j
i
um conjunto nebuloso A
ij
. A funo
de pertinncia
A
ij
adotada uma gaussiana cujo centride
denido por c
j
i
dada pela equao:
A
ij
(x) = e
k(xc
j
i
)
2
(7)
onde k =
1
2
2
e dene uma regio de variao a partir do
centride, obtida pela regio de contorno denida pelo vetor
caracterstico no mapa de condies normais.
Considerando uma contribuio igual de cada componente na
determinao do erro de classicao errmax que dene a
similaridade do mapa, o correspondente erro e associado a cada
componente dado por:
e =
maxerr
2
(8)
Assim, uma regio de variao associada a aplicao pode ser
dada por = e, de modo a estabelecer um grau de pertinncia
apropriado para os vetores cujos componentes situem-se na
regio de contorno denida pelo cluster associado a regra.
Assim so denidos um conjunto de regras IF-THEN da forma
do conjunto de equaes:
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 5
0 5 10 15 20 25
0
2
4
6
8
10
Tempo (s) x Torque Eletromagntico (N.m)
0 5 10 15 20 25
0
1
2
3
4
5
Tempo (s) x Corrente da Fase A w (A)
0 5 10 15 20 25
0
0.02
0.04
0.06
0.08
0.1
Tempo (s) x Corrente da Fase A w (A)
0 5 10 15 20 25
0.94
0.95
0.96
0.97
0.98
0.99
1.00
Tempo (s) x Velocidade do Rotor (w /w )
PSfrag replacements
Dados em Condies Normais
Forma Mapa de Cond. Normais
Dados (Ambiente de Produo)
Mapa de Condies Normais
Similar?
SIM
NO
normalidade
Mapa de Excees
b
b
r brb1
Figura 3: Dados de simulao de motor de induo: 50% de carga, inicia quebra de barra em t = 4s [T
em
, I(w
b
), I(w
brb1
), w
r
/w
b
]
PSfrag replacements
Dados em Condies Normais
Forma Mapa de Cond. Normais
Dados (Ambiente de Produo)
Mapa de Condies Normais
Similar?
SIM
NO
normalidade
Mapa de Excees
Base de Conhecimento
Base de Dados Base de Regras
Entrada Fuzzi cao Motor de Inferncia Defuzzi cao Sada
Figura 4: Sistema lgico nebuloso em blocos
IF (X
1
is A
1j
) ... (X
n
is A
nj
) THEN( Y is B
normal
)
(9)
referenciadas a um conjunto nebuloso B
normal
associado as
condies normais. Este mapeia o grau de certeza de que o
sistema est em operao normal.
A abordagem proposta resultou em um sistema lgico de regras
associadas s condies normais. Estabelecendo-se um limiar de
classicao que associe normalidade a um grau de pertinncia
superior a 51% a uma das regras de normalidade e falha em caso
contrrio, obtm-se o desempenho descrito na tabela 1 a seguir
para dados analisados pelo sistema.
Este grau de pertinncia proposto para B
normal
deniu um
limiar de classicao, o qual pode ser mapeado em uma
varivel de ranking que determine a normalidade do sistema.
Esta varivel proposta pela defuzzicao dos valores de
pertinncia obtidos para B
normal
, de modo a atribuir um alto
valor para as classicaes que excedam este limiar e um baixo,
caso contrrio.
Caso o conjunto de dados coletados sobre o sistema seja extenso,
pode-se mapear um sistema lgico que classique no somente
as situaes em normalidade ou anormalidade, mas possa
inferir qual a anormalidade baseado em experincia inferida
anteriormente atravs do mapa de excees.
De forma similar, os vetores caractersticos do mapa de excees
so mapeados em conjuntos nebulosos. Estes clusters devem
ser rotulados ao tipo de exceo associada. A seguir, constro-
se regras de inferncia IF-THEN que relacionam os conjuntos
nebulosos associados a um dado cluster ao conjunto nebuloso
B
falhai
corresponde ao tipo de exceo indicado.
Desta forma, constrem-se expresses lingusticas associadas a
cada varivel mensurada e relacionados a um dado estado de
operacao. Por exemplo, a gura 5 apresenta uma expresso
lingustica extrada do mapa de exceo que relaciona-se com
o estado de falha que provoca a quebra da barra do rotor
[esta expresso baseia-se nos valores normalizados da varivel
mensurada I(w
brb1
)].
Tais regras construdas inicialmente a partir dos dados extrados
dos vetores caractersticos, esto expressas na escala de valores
dos dados normalizados. A aplicao das operaes inversas das
transformaes lineares propostas pela normalizao permite
obter tais expresses lingusticas em termos de variveis
mensuradas, o que expressa conhecimento relevante sobre a
operao do sistema.
O classicador nebuloso dada uma entrada, determinar a
pertinncia desta a cada um dos conjuntos nebulosos associados
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
I(w
brb1
)
I(
w
b
rb
1
)
PSfrag replacements
Dados em Condies Normais
Forma Mapa de Cond. Normais
Dados (Ambiente de Produo)
Mapa de Condies Normais
Similar?
SIM
NO
normalidade
Mapa de Excees
Figura 5: Funo de pertinncia de expresso lingustica
associada a uma acentuada presena de componente em
I(w
brb1
)
aos seus componentes [fuzzicao]. A seguir, o sistema
determina o grau de pertinncia desta entrada com cada um
conjuntos nebulosos associados aos estados do sistema [normal,
exceo 1 e exceo 2]. O classicador associa a cada entrada, o
estado para o qual, aplicadas as regras de inferncia possui maior
grau de certeza de classicao.
As situaes simuladas anteriormente foram apresentadas ao
sistema lgico nebuloso construdo a partir do mapeamento
proposto para extrao das regras do mapa de condies normais
e do mapa de excees anteriormente formado. Tal sistema
foi validado apresentando-se dados [previamente identicados
pelo modelo proposto], os quais foram classicados pelo sistema
lgico nebuloso o desempenho da classicao apresentou-se
adequada, com erro de classicao da ordem de 1% [tal erro
sugere ajuste no mapeamento dos contornos associados a cada
vetor caracterstico do mapa relacionado para a regra nebulosa].
Os dados apresentados foram classicados de forma Os
resultados obtidos so onde verica-se que a funo de
mapeamento proposta resultou em um classicador com um
desempenho adequado .
9 CONCLUSES
O modelo apresentado neste trabalho aprende a normalidade,
por meio do mapa de condies normais e infere as similaridades
entre as falhas por meio do mapa de excees.
Em um modelo de deteco de falhas como o proposto, as
variveis mensuradas devem ser o sucientemente signicativas
de modo a permitir apropriada inferncia de estados. No caso
Tabela 1: Classicao dos dados em Sistema Nebuloso com
regras construdas do Mapa de Condies Normais
Classi cao
Dados [estado conhecido] normalidade falha
estado normal 100% 0%
quebra de barra 0% 100%
desgaste do rolamento 0% 100%
da aplicao simulada [motor de induo], as componentes
estimadas permitiram a deteco apropriada dos tipos de falhas
propostos. Um destes tipos [quebra de barra de rotor]
estava diretamente relacionado a um componente especco do
espectro da freqncia do estator. Caso essa relevncia no
fosse conhecida, poderia-se analisar todo o espectro deveria
ser analisado, mas adicionar caractersticas ao mapa aumenta o
custo computacional. Como trabalho futuro, deve-se modicar
o modelo de modo que a anlise prvia de uma gama ampla de
caractersticas disponveis do sistema analisado possa identicar
caractersticas relevantes baseada na anlise da quantidade de
informao que a caracterstica agrega ao sistema classicador
[entropia]. De qualquer forma, um conhecimento prvio de
quais as variveis que esto relacionadas a assinaturas de
falhas ou excees til na determinao dos componentes a
serem apresentados ao modelo detector.
O conhecimento expresso pelo mapa de condies normais
foi mapeado em termos de expresses lingusticas da lgica
nebulosa, a partir de uma funo de mapeamento proposta.
O sistema lgico resultante permitiu expressar o mesmo
conhecimento inferido por este mapa e classicar de forma
adequada o estado do sistema. Este sistema lgico til,
pois clusulas de lgica nebulosa podem ser diretamente
programadas em diversos controladores da indstria, o que
permite em produo implantar um supervisrio de um dado
sistema, aps inferir o funcionamento de estados do mesmo por
meio do modelo aqui proposto.
REFERNCIAS
Chowdhury, B. e Wang, K. (1996). Fault classication using
kohonen feature mapping, Proceedings of the International
Conference on Intelligent Systems Applications to Power
Systems, pp. 194198.
Dalva, M. e Thorsen, O. V. (1995). A survey of
faults on induction motors in offshore oil industry,
petrochemical industry, gas terminals and oil reneries,
IEEE Transactions on Industry Applications 31(5).
Fenton, W. G., McGinnity, T. M. e Maguire, L. P. (2001). Fault
diagnosis on eletronic systems using inteligent techniques:
A review, IEEE Transactions on Systems, Man and
Cybernetics 31(3): 269281.
Filippetti, F., Franceschini, G., Tassoni, C. e Vas, P. (2000).
Recent developments of induction motor drives fault
diagnosis using ai techniques, IEEE Transactions on
Systems, Man and Cybernetics 47(5): 9941004.
Freitas, A. E. S. (2004). Um modelo de classicao de excees
baseado em redes de kohonen ajustadas por algoritmos
genticos, Masters thesis.
Freitas, A. E. S., Cerqueira, J. J. F. e Ferreira, N. R.
(2003). Uso de algoritmos genticos no desenvolvimento
de redes kohonen, Anais do XXIII Congresso da Sociedade
Brasileira da Computao, Vol. VII, pp. 497506.
Freitas, A. E. S., Cerqueira, J. J. F. e Ferreira, N. R. (2004).
Um modelo de deteco de falhas por redes de kohonen,
Proceedings of the 8th Brazilian Symposium on Neural
Networks, Vol. I, pp. 16.
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 7
Harp, S. A. e Samad, T. (1991). Genetic optimization of self-
organizing feature maps, IEEE Transactions on Neural
Networks 1: 341346.
Hung, C. e Huang, S. (1995). Genetic algorithms
enhanced kohonens neural networks, IEEE International
Conference on Neural Networks, Vol. 2, pp. 708712.
Kangas, J., Kohonen, T., Oja, E., Simula, O. e Visa, A.
(1996). Engineering applications of the self-organizing
map, Proceedings of the IEEE 84(10): 13581384.
Kohonen, T. (1990). The self-organizing map, Proceedings of
the IEEE 78(9): 14641480.
Ong, C. (1998). Dynamic Simulation of Eletric Machinery:
Using Matlab/Simulink, Prentice-Hall International.
Zadeh, L. A. (1965). Fuzzy sets, Information and Control
8: 338353.
VII SBAI / II IEEE LARS. So Lus, setembro de 2005 8