Análise de espectros de vibração com FFT para diagnóstico de falhas em motores de indução
DOI:
https://doi.org/10.69849/rp6tck84Palavras-chave:
FFT, motores de indução, vibração mecânica, diagnóstico de falhas, manutenção preditivaResumo
A confiabilidade operacional de sistemas industriais depende significativamente do monitoramento adequado de motores de indução trifásicos, uma vez que esses equipamentos são responsáveis por movimentar grande parte dos processos produtivos. Entretanto, falhas como danos em rolamentos, barras quebradas no rotor e desalinhamentos podem comprometer a eficiência e a produtividade, tornando essencial a adoção de estratégias preditivas para detecção precoce de problemas. Nesse contexto, este trabalho teve como objetivo investigar a aplicação da Transformada Rápida de Fourier (FFT) em sinais de vibração e corrente elétrica para o diagnóstico de falhas em motores de indução. A metodologia consistiu na realização de experimentos em ambiente laboratorial controlado, utilizando três motores de indução trifásicos (um em condição normal, um com falha simulada de rolamento e outro com falha simulada de rotor). Foram empregados sensores de vibração (acelerômetros piezoelétricos) e sensor de corrente Hall, com aquisição de dados a 10 kHz. Os sinais coletados foram processados no ambiente MATLAB, aplicando-se a FFT com janela de Hanning, 16.384 pontos e sobreposição de 50%. Os resultados demonstraram que a FFT é capaz de identificar padrões espectrais específicos para cada tipo de falha, evidenciando picos característicos como harmônicas de 150 Hz em rolamentos danificados e 25 Hz em rotores com barras quebradas. Conclui-se que a técnica de análise espectral por FFT é eficiente para diagnosticar falhas em motores de indução, podendo ser aprimorada por técnicas de inteligência artificial para aumentar a robustez do diagnóstico e viabilizar sua aplicação em condições reais de operação industrial.
Referências
BENBOUZID, Mohamed (Ed.). Signal processing for fault detection and diagnosis in electric machines and systems. IET, 2020.
BIANCHINI, Carolina A. Diagnóstico de falhas localizadas de rolamento em motores de indução utilizando inteligência artificial. 2023. Trabalho de Conclusão de Curso (Graduação) — Universidade Tecnológica Federal do Paraná, UTFPR, 2023.
BAZAN, Gustavo H. Identificação inteligente de falhas em máquinas elétricas utilizando informação mútua. 2020. Trabalho de Conclusão de Curso (Graduação) — Universidade Tecnológica Federal do Paraná, UTFPR, 2020.
GAWDE, Shreyas et al. Multi fault diagnosis of industrial rotating machines using FFT and deep learning. arXiv, 2022. Disponível em: https://arxiv.org/abs/2022. Acesso em: 10 jun. 2025.
MENDES NETO, Jose Francisco. Análise de vibração em máquinas industriais com inteligência artificial. 2021. Dissertação (Mestrado) — Pontifícia Universidade Católica de Goiás, PUC Goiás, 2021.
MOURA FILHO, Joaquim O. F. Diagnóstico de falhas em máquinas elétricas rotativas utilizando técnicas de ensemble learning. Anais do Simpósio Brasileiro de Automação Inteligente, SBAI, 2021.
NOVAES, Yuri S.; COSTA, Anderson F. Manutenção preditiva – análise de vibrações na Indústria 4.0. Revista Foco, 2023.
PEREZ, Robert X. (Ed.). Condition monitoring, troubleshooting and reliability in rotating machinery. Wiley, 2023.
RAMALHO, Geraldo L. B. Detecção de falhas em motores elétricos usando rede neural ELM. Holos, 2020.
TOLIYAT, Hamid A. et al. Electric machines: modeling, condition monitoring and fault diagnosis. CRC Press, 2013.
USMAN, Ali et al. A multimodal lightweight approach to fault diagnosis of induction motors. arXiv, 2025. Disponível em: https://arxiv.org/abs/2025. Acesso em: 10 jun. 2025.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Hilton Albuquerque Sanches, Ilmar Duartes dos Reis (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
"Os Autores que publicam nesta revista concordam com os seguintes termos:
-
Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0). Esta licença permite que o trabalho seja compartilhado, copiado e adaptado em qualquer suporte ou formato, para qualquer fim, inclusive comercial, desde que seja atribuído o devido crédito de autoria e de publicação inicial nesta revista.
-
Os Autores têm autorização para assumir compromissos contratuais adicionais separadamente, para a distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
-
A revista permite e incentiva os autores a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) após o processo de edição e publicação, pois isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado."
