Estimação e quantificação de incertezas aplicados em modelos de falhas de máquinas rotativas

• Processo: 16/13223-6
• Linha de fomento: Bolsas no Brasil - Doutorado Direto
• Vigência (Início): 01 de agosto de 2016
• Vigência (Término): 31 de março de 2020
• Área do conhecimento: Engenharias - Engenharia Mecânica - Mecânica dos Sólidos
• Pesquisador responsável: Helio Fiori de Castro
• Beneficiário: Gabriel Yuji Garoli
• Instituição-sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 15/20363-6 - Identificação e controle tolerantes a falhas em sistemas rotativos, AP.TEM
• Bolsa(s) vinculada(s): 18/02976-9 - Identificação e quantificação de incertezas em uma máquina rotativa utilizando inferência Bayesiana com expansão polinomial do caos generalizada, BE.EP.DD
• Assunto(s): Teoria de falha Máquinas rotativas Inferência bayesiana Incerteza Método de Galerkin

Resumo

O uso de máquinas rotativas na indústria é amplo. O conhecimento do comportamento destes equipamentos e suas falhas que podem afeta-los são importantes. Os parâmetros destas falhas devem ser identificados para que um melhor modelo do sistema rotativo possa ser feito e a manutenção adequada seja realizada. Os parâmetros possuem incertezas inerentes a eles e o modelo para alguns é desconhecido. Desta forma, pode-se utilizar o método da máxima entropia e da inferência bayesiana, juntos ou separadamente, para determinar as distribuições dos parâmetros, assim podem ser propagados para a resposta dinâmica do sistema rotativo. Além disso, a precisão da análise é feita através da variação da resposta do sistema e a inferência bayesiana é usada como um método de problema inverso. A resposta estocástica dinâmica do sistema pode ser estimada através do método Galerkin estocástico ou método da colocação estocástica, ambos determinam uma projeção de sistemas de equações diferenciais em um espaço polinomial. As incertezas são expandidas em polinômios do caos e, posteriormente, os métodos citados podem ser aplicados para resolver o sistema de equações diferenciais estocásticas. (AU)

Publicações científicas

(4)

(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)

GAROLI, GABRIEL Y.; PILOTTO, RAFAEL; NORDMANN, RAINER; DE CASTRO, HELIO F. Identification of active magnetic bearing parameters in a rotor machine using Bayesian inference with generalized polynomial chaos expansion. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. 43, n. 12 DEC 2021. Citações Web of Science: 0.

GAROLI, GABRIEL YUJI; ALVES, DIOGO STUANI; MACHADO, TIAGO HENRIQUE; CAVALCA, KATIA LUCCHESI; DE CASTRO, HELIO FIORI. Fault parameter identification in rotating system: Comparison between deterministic and stochastic approaches. STRUCTURAL HEALTH MONITORING-AN INTERNATIONAL JOURNAL, v. 20, n. 6 JAN 2021. Citações Web of Science: 1.

GAROLI, GABRIEL YUJI; DE CASTRO, HELIO FIORI. Generalized polynomial chaos expansion applied to uncertainties quantification in rotating machinery fault analysis. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. 42, n. 11 NOV 2 2020. Citações Web of Science: 0.

GAROLI, GABRIEL YUJI; DE CASTRO, HELIO FIORI. Analysis of a rotor-bearing nonlinear system model considering fluid-induced instability and uncertainties in bearings. Journal of Sound and Vibration, v. 448, p. 108-129, MAY 26 2019. Citações Web of Science: 1.