LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

CREEM2023

CREEM 2023 - XXIX Congresso Nacional de Estudantes de Engenharia Mecânica

Revisão Sistemática sobre a Detecção de Falhas em Aerogeradores com Sistemas de Monitoramento Inteligentes

Submission Author: Marcos Aurélio Nunes Vieira , GO
Co-Authors: Marcos Aurélio Nunes Vieira, Marlipe Garcia Fagundes Neto
Presenter: Marcos Aurélio Nunes Vieira

doi://10.26678/ABCM.CREEM2023.CRE2023-0042

 

Abstract

Este trabalho faz uso de uma metodologia de busca de artigos na base de dados Scopus que possam contribuir na solução de problemas relacionados ao monitoramento e avaliação de estruturas de aerogeradores utilizando sistemas inteligentes detectores de falhas. Com a seleção dos artigos, foram estabelecidos métodos de ranqueamento para avaliação e classificação conforme critérios de elegibilidade onde foi possível destacar os principais artigos, relevantes e de impacto, convergentes com o escopo desta revisão, além de averiguar a eficiência dos métodos e critérios estabelecidos. Foi notado a eficácia dos critérios de classificação pois foram encontrados trabalhos alinhados ao escopo objetivado e com bons fatores de impacto, os quais foram elencados e explanados neste trabalho. Ademais, foi-se percebido a importância da utilização de energias limpas e renováveis, e também confirmar a viabilidade do uso de estratégias de machine learning para a detecção de falhas em aerogeradores e assim garantir que manutenções preventivas sejam efetuadas em tempo devido, reduzir os custos de operação e manutenção (O&M), além de evitar catástrofes e que toda a estrutura da turbina eólica seja perdida.

Keywords

Turbinas Eólicas, Monitoramento de Integridade Estrutural, Detecção de Falhas, Inteligência Artificial, machine learning

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM