Busca avançada
Ano de início
Entree

Monitoramento da condição e prognóstico de mancais considerando incertezas

Processo: 19/00974-1
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de junho de 2019 - 31 de agosto de 2021
Área do conhecimento:Engenharias - Engenharia Mecânica - Projetos de Máquinas
Convênio/Acordo: Texas Tech University
Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
Pesquisador responsável:Katia Lucchesi Cavalca Dedini
Beneficiário:Katia Lucchesi Cavalca Dedini
Pesq. responsável no exterior: Stephen Ekwaro-Osire
Instituição no exterior: Texas Tech University (TTU), Estados Unidos
Instituição-sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Pesq. associados:Gregory Bregion Daniel ; Helio Fiori de Castro ; João Paulo Dias ; Ozhan Gecgel ; Tiago Henrique Machado
Vinculado ao auxílio:15/20363-6 - Identificação e controle tolerantes a falhas em sistemas rotativos, AP.TEM
Assunto(s):Indústria 4.0  Dinâmica de rotores  Mancais  Mancais hidrodinâmicos  Detecção de falhas  Análises de incertezas 

Resumo

Sistemas rotativos representam uma classe de máquinas com grande aplicação na indústria. Entre os principais componentes de tais sistemas, mancais são os elementos mais suscetíveis a falhas. Várias técnicas atualmente desenvolvidas para diagnóstico e prognóstico de mancais usam respostas baseadas em modelos. Neste contexto, torna-se crucial o desenvolvimento de modelos mais robustos e representativos para tais componentes de máquinas rotativas atendendo às novas tendências exigidas pela Indústria 4.0. Além disso, as falhas em mancais são afetadas por flutuações estocásticas das condições de operação da máquina e das propriedades do material. É imperativo considerar técnicas de quantificação de incerteza a fim de desenvolver estratégias mais robustas de diagnóstico e prognóstico de mancais. A partir dessas motivações, este estudo propõe-se a responder a seguinte pergunta: "É possível melhorar as estratégias de diagnóstico e prognóstico de mancais utilizando técnicas de modelagem dinâmica e quantificação de incertezas?". Para isso, três objetivos são considerados: (1) desenvolver modelos matemáticos realistas para descrever os mecanismos de falha mais comuns e o impacto na resposta dinâmica de mancais; (2) desenvolver técnicas probabilísticas que levem em consideração as várias fontes de incerteza dos parâmetros operacionais de mancais, bem como das propriedades do material, e (3) desenvolver estratégias avançadas de diagnóstico e prognóstico de mancais. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ALVES, DIOGO STUANI; DANIEL, GREGORY BREGION; DE CASTRO, HELIO FIORI; MACHADO, TIAGO HENRIQUE; CAVALCA, KATIA LUCCHESI; GECGEL, OZHAN; DIAS, JOAO PAULO; EKWARO-OSIRE, STEPHEN. Uncertainty quantification in deep convolutional neural network diagnostics of journal bearings with ovalization fault. MECHANISM AND MACHINE THEORY, v. 149, JUL 2020. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.