Novos Caminhos para a Monitoração e o Diagnóstico de Máquinas Rotativas

Transcrição

1 Novos Caminhos para a Monitoração e o Diagnóstico de Máquinas Rotativas Michalski, M. A. C.¹ Castello, D. A.¹ Matt, C. F. T.² ¹ Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia ² Centro de Pesquisa em Energia Elétrica

2 Escopo do Trabalho Introdução Conceitos Básicos Principais Defeitos em Máquinas Rotativas Evolução dos Sistemas de Monitoração Processamento de Sinais vs. Modelagem Computacional Modelagem de Fundações e Inferência Bayesiana Aplicação de Problemas Inversos Apresentação de Casos Reais Conclusões Referências 1

3 Introdução Monitoramento e diagnóstico de máquinas rotativas é um assunto de intensa pesquisa desde o século passado e o progresso alcançado com tais pesquisas é nítido, especialmente em relação aos algoritmos para análise de dados de vibração. Métodos de reconhecimento de padrões aplicados ao monitoramento da condição operacional de máquinas e equipamentos estão bem estabelecidos e podem detectar e classificar vários tipos de defeitos com êxito. Os desenvolvimentos recentes indicam a tendência para a integração de algoritmos de diagnóstico e prognóstico em sistemas de gestão da condição operacional de máquinas e equipamentos. Alguns defeitos são difíceis de se distinguir, e sua quantificação e localização podem exigir um número significativo de testes, os quais podem ser demorados, caros, ou mesmo impossíveis de serem executados com simples experimentos em campo. Um modelo espacial da máquina se faz necessário, assim como a aplicação de métodos de solução de problemas inversos. A precisão do modelo dependerá de sua aplicação e as incertezas inerentes podem ser contornadas com, por exemplo, técnicas de inferência Bayesiana. 2

4 Conceitos Básicos Defeito Dano Falha M q t ሷ + C + G q t ሶ + K q t = F t Dano Defeito 3

5 Principais Defeitos em Máquinas Rotativas Desbalanceamento Desalinhamento (linear e angular) Empenamento Roçamentos e Folgas Instabilidades induzidas por fluidos Defeitos em rolamentos Trincas em eixos, palhetas e pás 4

6 m Evolução dos Sistemas de Monitoração m 5

7 Processamento de Sinais vs. Modelagem Computacional Processamento de Sinais Prós Foi a base do progresso do monitoramento da condição operacional de uma máquina rotativa nas últimas décadas; Métodos de reconhecimento de padrões estão bem estabelecidos e com êxito podem detectar e classificar vários tipos de defeitos. Contras Alguns defeitos são difíceis de se distinguir, especialmente em seu estágio inicial; Não é possível localizar um defeito sem um modelo espacial; Os critérios para diagnóstico são afetados (de forma sutil) pela condição operacional da máquina, tornando mais difícil que o defeito seja determinado; O comportamento vibratório de máquinas rotativas é sensível a pequenas variações estruturais, tornando os dados disponíveis confusos e inúteis para o diagnóstico; A quantificação de defeitos utilizando dados de vibração pode exigir vários testes em unidades reais, o que pode ser muito demorado e custoso. 6

8 Processamento de Sinais vs. Modelagem Computacional Modelagem Computacional Prós Por meio da simulação pode ser possível distinguir pequenas mudanças na resposta dinâmica da máquina devido a ação de diferentes defeitos e sua localização; Ao longo dos últimos trinta anos, os modelos teóricos têm desempenhado um papel crescente na resolução rápida de problemas em máquinas rotativas; Um modelo teórico preciso pode ser muito útil ao ajudar na interpretação correta dos dados monitorados. Contras Modelos devem ser uma representação precisa da máquina; Um modelo matemático completo ainda não estará disponível para a monitorização da condição operacional por alguns anos; Um modelo de elementos finitos confiável para a fundação é difícil, ou talvez impossível, de ser feito. 7

9 Modelagem de Fundações e Inferência Bayesiana Um turbogerador pode ser subdividido em três partes principais: o rotor, os mancais e as fundações. Em muitas plantas modernas, as estruturas das fundações são flexíveis e têm uma influência substancial no comportamento dinâmico da máquina. Nos últimos 50 anos a influência das fundações em máquinas rotativas tornou-se muito relevante. Esta mudança está associada ao aumento do tamanho das unidades geradoras e da aplicação de fundações de aço, que substituíram as de concreto maciço e possuem baixas frequências naturais. Para assegurar que as decisões baseadas nos métodos apresentados sejam confiáveis, devem ser consideradas probabilidades de detecção e taxa de falsa identificação. Além disso, do ponto de vista da modelagem das fundações, algumas estratégias podem ser consideradas. O uso de técnicas modernas de modelagem estocástica considerando o princípio da máxima entropia para representar as incertezas associadas às fundações e sua influência no carregamento dos mancais hidrodinâmicos e no comportamento da unidade como um todo é uma dessas estratégias. 8

10 Modelagem de Fundações e Inferência Bayesiana [SINHA et al., 2004] 9

11 Aplicação de Problemas Inversos Problema Direto M q t ሷ + C + G q t ሶ + K q t = F t Definido Estimado Problema Inverso M q t ሷ + C + G q t ሶ + K q t = F t Definido Estimado 10

12 Aplicação de Problemas Inversos Os parâmetros desconhecidos do modelo devem ser estimados utilizando dados medidos. A diferença entre a resposta medida e a prevista irá produzir um problema de otimização; Defeitos associados a um dano trazem alterações de forma localizada na rigidez da estrutura e são parametrizados a partir de parâmetros de rigidez; Defeitos não associados a danos podem ser associados à parametrização de termos fonte, ou seja, carregamentos na estrutura, como forças e momentos; A questão-chave para a utilização de métodos inversos é a localização do defeito; O prognóstico exige que o mecanismo de dano seja determinado, o que pode ser possível com a utilização de métodos inversos a partir de testes de hipóteses entre vários mecanismos candidatos. Uma vez que o mecanismo de dano seja determinado, o modelo associado estará disponível para o prognóstico, o que é uma grande vantagem dos métodos inversos baseados em modelos. 11

13 Apresentação de Casos Reais Os dados de vibração das máquinas foram coletados, em cada caso, de uma das seguintes formas: durante run-downs ou durante a condição operacional em carga. No primeiro caso, os dados são ricos em informação, uma vez que a máquina pode ser excitada ao passar por suas velocidades críticas. No segundo caso, apesar da riqueza de informação não ser grande, existe uma grande quantidade de dados que podem ser analisados. Os defeitos foram parametrizados a partir de forças e momentos equivalentes. A modelagem do desbalanceamento é amplamente conhecida e tem como principal característica a influência do quadrado da velocidade de rotação na amplitude da força. No caso do desalinhamento e do empenamento, a amplitude das forças equivalentes não é proporcional à rotação da unidade. O desalinhamento linear pode ser modelado a partir de um par de forças atuando nos nós de um acoplamento, enquanto o desalinhamento angular se baseia no mesmo princípio, mas a partir de um par de momentos. Por sua vez, o empenamento também seria um par de momentos atuando em nós da extremidade de um trecho de um rotor, como nos nós dos mancais existentes em tais extremidades. 12

14 Apresentação de Casos Reais [BACHSCHMID e PENNACCHI, 2000] 13

15 1 Apresentação de Casos Reais [SINHA et al., 2004] Bancada experimental do Laboratório de Dinâmica da Universidade de Wales Swansea; Um único rotor suportado por mancais hidrodinâmicos, que por sua vez estão em fundações flexíveis; O desalinhamento foi considerado no acoplamento entre o motor e o rotor da bancada; A estimativa do desbalanceamento e do desalinhamento foi possível com a coleta de dados sendo realizada em uma única parada de máquina, assumindo forças e momentos de desalinhamento no acoplamento do rotor com o motor; A resposta estimada foi considerada boa, sendo os valores de amplitude e fase do desbalanceamento considerados excelentes e muito próximos aos valores reais. O desalinhamento estimado foi considerado bastante consistente, sendo o erro estimado muito pequeno. 14

16 2 Apresentação de Casos Reais [SINHA et al., 2004] Bancada experimental da Universidade de Aston, em Birminghan; As dimensões são consideravelmente maiores do que as do primeiro exemplo; A bancada consiste de dois rotores com acoplamento rígido suportados por quatro mancais hidrodinâmicos; Os mancais, como no caso anterior, também estão montados em pedestais flexíveis, cuja fundação se dá em uma base inercial de concreto; A resposta obtida foi considerada um sucesso. A estimativa do desbalanceamento não se mostrou dependente da viscosidade do óleo, mas o carregamento estático e a folga do mancal possuem alguma influencia na estimativa de sua amplitude. Em relação à fase, a robustez do modelo se mostrou maior, provavelmente devido ao maior amortecimento dos mancais. 15

17 3 Apresentação de Casos Reais [BACHSCHMID e PENNACCHI, 2006] Turbogerador a gás, com125 MW e desbalanceamento conhecido; Em uma rotação fixa, mas diferente da nominal, o desbalanceamento foi estimado com sucesso; Contudo, ao se utilizar a técnica em outras rotações, o mesmo resultado não foi obtido, aparentemente devido a um comportamento irregular do equipamento e à dificuldade de se distinguir diferentes defeitos com os mesmos sintomas considerando-se apenas uma velocidade de rotação. 16

18 4 Apresentação de Casos Reais [BACHSCHMID e PENNACCHI, 2006] Bancada experimental Modiarot localizada no Departamento de Mecânica da Politecnico di Milano; Bancada é composta por dois rotores acoplados (com eixos de 725 mm e 1225 mm), suportados por quatro mancais hidrodinâmicos, ancorados em uma fundação flexível; A bancada estava desbalanceada e os resultados foram satisfatórios apenas em rotações mais elevadas, provavelmente menos influenciadas pelas frequências naturais da fundação. Em outra análise com o Modiarot, onde o defeito aplicado foi um desalinhamento no acoplamento, a identificação em uma única velocidade foi novamente incapaz de distinguir entre defeitos com sintomas semelhantes (neste caso, o desalinhamento angular e um desbalanceamento inerente ao sistema), especialmente em velocidades próximas a ressonâncias. Porém, longe das velocidades críticas, o desalinhamento angular foi identificado como o mais provável defeito. 17

19 5 Apresentação de Casos Reais [BACHSCHMID e PENNACCHI, 2006] Turbogerador a vapor de 320 MW com desbalanceamento. O equipamento possui dimensões significativamente maiores do que os casos anteriores e o desbalanceamento pôde ser identificado com precisão em diferentes rotações, especialmente na velocidade nominal do equipamento. Em rotações abaixo da rotação nominal, a amplitude pôde ser estimada de forma satisfatória, mas a fase do desbalanceamento não. 18

20 6 Apresentação de Casos Reais [BACHSCHMID e PENNACCHI, 2006] Unidade a vapor com 320 MW. Os defeitos considerados foram o desbalanceamento e o empenamento. Não foi possível distinguir entre os dois defeitos, mas foi possível contorná-los através de um sistema de forças de correção que balancearam a unidade. 19

21 Conclusões O presente trabalho apresentou ferramentas cuja aplicação, na monitoração e diagnóstico de máquinas e equipamentos, é relativamente recente e como seu uso pode auxiliar em novos caminhos nesta área: o uso de modelos espaciais de máquinas rotativas a partir do MEF, a aplicação de técnicas Bayesianas para a modelagem de incertezas e o uso de métodos inversos para se determinar parâmetros e termos fontes relacionados a defeitos. Foram apresentados 8 defeitos mecânicos considerados como os mais relevantes em máquinas rotativas. Dentre esses defeitos, três receberam destaque, uma vez que seus sintomas são basicamente os mesmos: desbalanceamento, desalinhamento e empenamento. Duas estratégias para se identificar um defeito, assim como sua magnitude e localização em uma máquina rotativa foram apresentadas. A primeira se baseia em dados coletados a partir de uma única parada de máquina e a segunda em dados coletados em uma velocidade fixa com a máquina em operação. O primeiro caso se mostrou eficaz na detecção do desbalanceamento e do desalinhamento, mesmo em uma ocorrência simultânea. O segundo caso só foi bem-sucedido em condições muito específicas. De fato, a identificação de vários defeitos que geram sintomas semelhantes parece ser impossível com a utilização de dados provenientes de uma única velocidade de rotação. 20

22 Referência BACHSCHMID, N., PENNACCHI, P.; Accuracy of modelling and identification of malfunctions in rotor systems: experimental results ; in: Journal of the Brazilian Society of Mechanical Sciences, vol. 22, no. 3, ISSN , BACHSCHMID, N., PENNACCHI, P.; Faults identification and corrective actions in rotating machinery at rated speed ; in: Shock and Vibration, vol. 13, no. 4-5, pag , SINHA, J. K., LEES, A. W., FRISWELL, M. I.; Estimating unbalance and misalignment of a flexible rotating machine from a single run-down ; in: Journal of Sound and Vibration, vol. 272, no. 2-3, pag ,

23 Obrigado pela atenção!