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

Autor(es)

Gabriel Yuji Garoli

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
• Data de defesa: 2020-06-19

Membros da banca

Hélio Fiori de Castro; Katia Lucchesi Cavalca Dedini; José Roberto de França Arruda; Thiago Gamboa Ritto; Adriano Todorovic Fabro

• Orientador: Hélio Fiori de Castro

Resumo

Máquinas rotativas são, geralmente, equipamentos caros, complexos e muito utilizados em diversas indústrias. A modelagem de tais máquinas é essencial e, mesmo sendo um tema estudado a mais de um século, está em constante desenvolvimento. No entanto, comportamento dinâmico dessas máquinas possuem uma característica estocástica, a qual pode ser inserida em seus modelos matemáticos, considerando alguns parâmetros incertos. O processo de identificação e quantificação de incertezas em máquinas rotativas é mais recente e não tão consolidado como a abordagem de modelagem e identificação determinística. Geralmente, métodos de amostragem, como simulação de Monte Carlo, são utilizados para o cálculo da resposta estocástica, pois permitem a utilização de algoritmos desenvolvidos para o problema determinístico. A convergência desses métodos é garantida por muitas amostras, o que é negativo no caso de máquinas rotativas que possuem modelos numéricos complexos e que demandam um elevado tempo de processamento. Este trabalho propõe, como alternativa, a utilização da Expansão de Caos Polinomial para aproximar a resposta estocástica. Para problemas com poucas variáveis aleatórias, os quais são tratados neste trabalho, o método de Colocação Estocástica pode ser utilizado para estimar os coeficientes da expansão, o qual permite a utilização de algoritmos do problema determinístico, além de utilizar menos amostras que os métodos de Monte Carlo. Após a estimação dos coeficientes, informações estatísticas do processo podem ser facilmente calculadas, também. Além disto, é possível realizar uma análise de sensibilidade, que permite avaliar como as incertezas das entradas afetam as incertezas das saídas e quais possuem maior influência. A Expansão Polinomial do Caos generalizado, por outro lado, também pode ser utilizada na Inferência Bayesiana, para a identificação de parâmetros do modelo em máquinas rotativas, como um método genérico, precisando apenas dos modelos do sistema de interesse. Neste trabalho estuda-se o uso da Expansão Polinomial do Caos generalizado para aproximar a resposta estocástica de máquinas rotativas em diversas análises relevantes à dinâmica de rotores. Nos casos com incertezas nos parâmetros de mancais, foram analisados coeficientes dinâmicos equivalentes, instabilidade fluido induzida e a sensibilidade da resposta do rotor e da instabilidade às incertezas dos mancais. Nos casos com incertezas nos parâmetros de falha, a resposta do sistema no domínio da frequência e do tempo foram analisadas e para cada uma, foi realizada uma análise de sensibilidade. A Inferência Bayesiana junto da expansão polinomial foi utilizada para a identificação de parâmetros de falhas e parâmetros de mancais magnéticos. Estes resultados foram comparados com métodos determinísticos e com a inferência resolvida pelo método de Monte Carlo via Cadeias de Markov. Além disso, as respostas com os parâmetros identificados foram comparadas com respostas experimentais (AU)

• Processo FAPESP: 16/13223-6 - Estimação e quantificação de incertezas aplicados em modelos de falhas de máquinas rotativas
• Beneficiário: Gabriel Yuji Garoli
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto