Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 CENTRO UNIVERSITÁRIO DO VALE DO IPOJUCA - UNIFAVIP | Wyden MÉTODOS DE ANÁLISE VIBRACIONAL CARUARU – PE 2020 2 Danilo Ewerton da Silva Santos - 141092657 Elder Pereira da Silva – 142090735 José Wildson Ferreira da Silva – 171093670 Stéphanie dos Santos Silva - 172090822 MÉTODOS DE ANÁLISE VIBRACIONAL Projeto de análises vibracional, sobre: métodos analíticos e experimentais, FFT, FRF, PSD, diagrama de bode, espectrograma e periodograma, métodos paramétricos, apresentado no curso de graduação de engenharia mecânica, durante a disciplina de Oscilações e Vibrações, na data: 05/10/2020. Orientação: Prof.º Yuri Moraes. CARUARU – PE 2020 3 Resumo O presente trabalho apresenta uma metodologia de analises vibracional. De modo que foi realizada toda uma revisão bibliográfica sobre os métodos de analise vibracional, tais como, método analítico e experimental, Fast Fourier transform (FFT), Frequency Response Function (FRF), Power Spectral Density (PSD), diagrama de Bode, espectrograma, periodograma, Métodos paramétricos. O projeto visa exemplificar os métodos de modo a ter fácil compreensão dos gráficos que serão analisados, dentro os estudos de caso. 4 Lista de ilustrações Figura 1 – Espectro Eletromagnético ........................................................................ 23 Figura 2 - Sentido longitudinal ................................................................................... 34 Figura 3 - Sentido transversal ................................................................................... 34 5 Lista de Gráficos Gráfico 1 - Onda senoidal no domínio de tempo ....................................................... 12 Gráfico 2 - Transformada de Fourier da onda senoidal ............................................. 12 Gráfico 3 - Diagrama de Bode ................................................................................... 13 Gráfico 4 - Comparação de padrões de teste............................................................ 15 Gráfico 5 - Comparação de padrões de teste............................................................ 15 Gráfico 6 - Densidade espectral de potência de velocidade ..................................... 18 Gráfico 7 - Densidade espectral de potência de deslocamento ................................ 19 Gráfico 8 - Comparação do padrão de testes............................................................ 19 Gráfico 9 - Comparação do padrão de testes............................................................ 20 Gráfico 10 - Comparação do padrão de testes.......................................................... 20 Gráfico 11 - Comparação de ambientes de teste padrão .......................................... 21 Gráfico 12 - Comparação de ambientes de teste padrão .......................................... 22 Gráfico 13 - Comparação de ambientes de teste padrão .......................................... 22 Gráfico 14 - Vibração do motor do carro durante a marcha lenta .............................. 27 Gráfico 15 - FFT do motor do carro durante a marcha lenta ..................................... 28 Gráfico 16 - Vibração do motor do carro ................................................................... 29 Gráfico 17 - FFT do motor do carro durante a marcha lenta e aceleração ................ 29 Gráfico 18 - Vibração do motor do carro ................................................................... 30 Gráfico 19 - Espectrograma do motor do carro ......................................................... 30 Gráfico 20 - Exposição à vibração de aeronaves a jato ............................................ 31 Gráfico 21 - 1.000 pontos de exposição à vibração de carga de aeronaves a jato ... 32 Gráfico 22 - 10.000 pontos de exposição à vibração de carga de aeronaves a jato . 32 Gráfico 23 - 100.000 pontos de exposição à vibração de carga de aeronaves a jato .................................................................................................................................. 32 Gráfico 24 .................................................................................................................. 33 6 Sumário 1. INTRODUÇÂO .............................................................................................. 07 1.1. Objetivo ................................................................................................... 08 1.1.1. Objetivo geral ........................................................................................... 08 1.1.2. Objetivo especifico ................................................................................... 08 2. REVISAO BIBLIOGRAFICA ......................................................................... 09 2.1. Métodos analíticos e experimentais ..................................................... 09 2.2. Fast Fourier Transform (FFT) ................................................................ 10 2.2.1. Transformação de Fourier em tempo contínuo ........................................ 10 2.2.2. Transformação de Fourier em tempo discreto (DFT) ............................... 11 2.3. Frequency Response Function (FRF) .................................................. 12 2.3.1. Representação gráfica de FRF ................................................................ 13 2.4. Power Spectral Density (PSD) ............................................................... 14 2.4.1. Benefícios e recursos de PSDs ................................................................ 16 2.5. Espectrograma ....................................................................................... 23 2.5.1. Espectrometria visível .............................................................................. 23 2.6. Periodograma ......................................................................................... 24 2.6.1. Aplicações ................................................................................................ 25 2.7. Métodos paramétricos ........................................................................... 25 2.7.1. Estatística Z .............................................................................................. 25 2.7.2. Estatística T de Studente ........................................................................ 26 3. ESTUDO DE CASO ...................................................................................... 27 3.1. O estudo de caso de FFT e Espectrograma ........................................ 27 3.2. O estudo de caso de PSD ...................................................................... 30 3.3. O estudo de caso de FRF ..................................................................... 34 3.4. O estudo de caso de métodos paramétricos ....................................... 34 4. CONCLUSÃO ................................................................................................ 38 Referências .................................................................................................. 40 7 1. Introdução Rao (2009, p. 06), descreve que qualquer movimento que se repita após um intervalo de tempo é denominado vibração ou oscilação, ainda segundo Rao (2009, p. 05) os primeiros estudiosos da área de vibração concentraram seus esforços no entendimento dos fenômenos naturais e no desenvolvimento de teorias matemáticas para descrever a vibração de sistemas físicos. Mas recentemente, muitas investigações foram motivadas pelas aplicações da vibração na área da engenharia, como projeto de maquinas, fundações, estruturas, motores, turbinas e sistemasde controle. Rao (2009, p. 05), ainda descreve que, devido ao efeito devastador que as vibrações podem causar, o teste de vibração tornou-se um procedimento padrão no projeto e desenvolvimento da maioria dos sistemas de engenharia. Atualmente as indústrias têm enfrentado desafios, tais como: redução de custos de manutenção, aumento do tempo de operação das maquinas. A busca por novas técnicas para ajudar a reduzir esses custos são intensas. Uma das melhores técnicas é a analises de vibração, que é um dos métodos de diagnostico mais importantes para identificar uma possível falha nos componentes de um equipamento. A presente pesquisa foi realizada por um grupo de alunos do curso de engenharia mecânica, a fim de exemplificar e demonstrar métodos de analises vibracional, como o método analítico e experimental, Fast Fourier transform (FFT), Frequency Response Function (FRF), Power Spectral Density (PSD), diagrama de Bode, espectrograma, periodograma, Métodos paramétricos. E por fim, demonstrar a aplicação destes métodos em estudos de caso. 8 1.1. OBJETIVOS 1.1.1. Objetivo geral Este trabalho como objetivo desenvolver um estudo sobre os métodos de analises vibracional, e posterior analisar estudos de casos. 1.1.2. Objetivo específico A fim de cumprir o objetivo geral, procura-se alcançar os seguintes objetivos específicos: Fazer uma revisão bibliográfica a respeito de métodos analíticos e experimentais, Fast Fourier transform (FFT), Frequency Response Function (FRF), Power Spectral Density (PSD), diagrama de Bode, espectrograma, periodograma, Métodos paramétricos. Escolha de um estudo de caso. Analises das resoluções para os estudos de caso. 9 2. Revisão bibliográfica 2.1. Métodos analíticos e experimentais Na engenharia a simulação numérica é uma ferramenta de grande utilidade, ela apresenta muitos benefícios para se chegar a uma solução dos problemas de engenharia, mas sempre aliada a métodos tradicionais. De modo geral, seguindo com o uso dessa abordagem é possível resolver diversos problemas de engenharia, entre eles o que representa um enfoque principal dessa pesquisa que é a analise vibratória. Vamos detalhar o uso dos seguintes métodos: a) Métodos Analíticos – Métodos analíticos representam soluções baseadas em fórmulas matemáticas, são desenvolvidas em grande parte de forma manual, nelas são definidas variáveis de entrada que são usadas para o cálculo de uma ou mais variáveis de saída. Uma metodologia simples, em geral de baixo custo e baixa complexidade, que proporciona uma resposta rápida e direta após a solução de algumas equações. Os cálculos analíticos apresentam limitações em sua aplicabilidade para casos práticos. As equações geralmente contemplam características físicas e idealizadas, muito simplificadas se comparadas com o que se observa na realidade, ou são restritas se comparadas às condições específicas previstas no cálculo. Desta forma, os resultados obtidos podem apresentar um desvio significativo se comparado ao produto real, o que ocasiona problemas como sobre dimensionamento, fatores de segurança elevados e, consequentemente, maiores custos de produção, além de não proporcionarem um entendimento detalhado do comportamento do objeto em estudo. b) Métodos Experimentais – Os métodos experimentais fazem o uso de protótipos físicos do equipamento ou produto, construídos em escala real ou reduzida, esses protótipos são submetidos a um ensaio que representa uma determinada condição de operação. O teste de abalos sísmicos em estruturas metálicas, casas, prédios e etc., é um exemplo clássico de método experimental, que podem ser destrutivos ou não destrutivos. A qualidade dos resultados obtidos neste tipo de abordagem é alta, uma vez que a avaliação é realizada em um protótipo que apresenta as características físicas e construtivas do projeto. Além disso, nestes ensaios são usados dispositivos e sistemas para aferição de dados, garantido uma compreensão detalhada de fenômenos de interesse. 10 Porém, o desenvolvimento desses testes experimentais exige um maior investimento, tanto pelo custo de construção do protótipo, quanto pela disponibilidade de infraestrutura necessária para os ensaios. O processo de desenvolvimento pode exigir a realização de múltiplas iterações até atingir um design adequado, com impacto direto no tempo e custo do projeto. Com isso, a abordagem experimental se caracteriza por custos elevados e prazos extensos, impactando no processo produtivo. 2.2. Fast Fourier Transform (FFT) Qualquer forma de onda é, na verdade, apenas a soma de uma série de sinusóides simples de diferentes frequências, amplitudes e fases. Uma série de Fourier é aquela série de ondas senoidais; e usamos a análise de Fourier ou análise de espectro para desconstruir um sinal em seus componentes de onda sinusoidal individuais. O resultado é a amplitude de aceleração / vibração em função da frequência, o que nos permite realizar análises no domínio da frequência (ou espectro) para obter uma compreensão mais profunda do nosso perfil de vibração. A maioria das análises de vibração normalmente será feita no domínio da frequência. Existe uma vasta literatura que trata das características de transformação de Fourier. A FFT (do inglês “Fast Fourier Transform”) é uma ferramenta matemática que realiza a transição entre as variáveis de tempo e frequência de sinais. 2.2.1. Transformação de Fourier em tempo contínuo A transformada de Fourier é definida pela equação: E o inverso é: Essas equações nos permitem ver quais frequências existem no sinal x (t). Uma formulação mais técnica disso é dizer que essas equações nos 11 permitem traduzir um sinal entre o domínio do tempo para o domínio da frequência. Observe que essas equações usam a ξ (a letra grega Xi) para implicar frequência em vez de ω (Omega), que geralmente se refere à frequência angular (ω = 2πξ). A transformada de Fourier de um sinal dependente do tempo produz uma função dependente da frequência. 2.2.2. Transformação de Fourier em tempo discreto (DFT) A transformada discreta de Fourier (DFT) é a maneira mais direta de aplicar a transformada de Fourier. Para usá-lo, basta amostrar alguns pontos de dados, aplicar a equação e analisar os resultados. A amostragem de um sinal leva-o do domínio do tempo contínuo para o tempo discreto. A entrada para uma função discreta deve ser um número inteiro. Amostrar um sinal x (t) no período de amostra T s irá transformá-lo em x [n] de modo que: x [n] = x (nT s ) Assim, uma onda senoidal de frequência f s = 1kHz amostrada em T s = 10uS se tornará: x [n] = sin ( 2πf s nT s ) = sin ( 0,02πn ) Uma forma comum da equação DFT é: Aqui, N é o número total de pontos incluídos na equação, e m, a entrada para a função transformada, aproximadamente se correlaciona com a frequência da mesma forma que n se correlaciona com o tempo com a equação: Para ter uma melhor ideia da transformada de Fourier, abaixo é proposto primeiramente uma função senoidal no domínio do tempo e posterior transformação para o domínio da frequência (JOSÉ GUILHERME, 2018?). 12 Gráfico 1 - Onda senoidal no domínio de tempo Gráfico 2 - Transformada de Fourier da onda senoidal 2.3. Frequency Response Function (FRF) Segundo HEY (2014), o método da resposta em frequência, nada mais é que a observação da resposta de um sistema, através de um sinal de entrada senoidal, cuja frequência é variada dentro de uma faixa preestabelecida. A vantagem do uso deste método reside no fato de que a mesma pode ser obtida experimentalmente, sem a necessidade do conhecimento prévio da função de transferência. Uma vez conhecida o sinal de entrada no domínio do tempo F(t) econsiderando um mapeamento da função de transferência H(s) em s = jω, sendo ω uma frequência que varia em um intervalo de análise, obtém-se a então chamada função de resposta em frequência (FRF) H(jω) = H(ω) ( ) ( ) ( ) 13 2.3.1. Representação gráfica de FRF Vamos mostrar a seguir a forma de representação de funções resposta em frequência, por meio do gráfico de bode. Diagrama de bode São gráficos logarítmicos usados na determinação da resposta em frequência de um sistema. Esses gráficos podem também ser utilizados na identificação da função de transferência de um sistema linear Pode-se representar uma Função de resposta em frequência (FRF) graficamente de diferentes formas. A mais comum é o diagrama de Bode que consiste em descrever o módulo e a fase da FRF com a amplitude em dB. Diagramas de Bode é um gráfico no qual são apresentados dois gráficos simultâneos. O primeiro apresenta a relação entre o módulo em dB da função de transferência e no segundo é apresentado o ângulo em graus da função de transferência. Ambos os gráficos são construídos em função da frequência na escala logarítmica. Exemplo: Gráfico 3 - Diagrama de Bode 14 Essa representação é muito usada, pois nela podemos identificar claramente as frequências naturais e as amplitudes de associadas a cada uma delas. O pico mostrado no lado esquerdo do gráfico 3 e o ponto de inflexão nas curvas do gráfico da direita correspondem a essa frequência natural. Esses pontos são mais fáceis de enxergar quando o sistema tem amortecimento baixo. Vantagens da escala logarítmica: Multiplicação de módulos é convertida em adição. É possível representar frequências de ordens de grandeza muito diversas. O esboço da curva do logaritmo do módulo é simples. Neste contexto utilizamos aproximações por assíntotas para esboçar o diagrama de módulo logarítmico. Permitir o traçado de esboços das curvas de resposta em frequência de maneira simples e imediata. 2.4. Power Spectral Density (PSD) A vibração no mundo real é frequentemente "aleatória" com muitos componentes de frequência diferentes. As densidades espectrais de potência (PSD ou, como são frequentemente chamadas, densidades espectrais de aceleração ou ASD para vibração) são usadas para quantificar e comparar diferentes ambientes de vibração. Para ilustrar o que é um PSD, vamos analisar alguns dados! Aqui estão os perfis de vibração no domínio do tempo ao longo de 1 minuto para alguns ambientes diferentes: NAVMAT (temperatura e triagem de vibração aleatória para empreiteiros da Marinha) Aeronave a jato de MIL-STD-810 (outro padrão de teste para aplicações militares) Caminhão rodoviário de MIL-STD-810 Carga ferroviária de MIL-STD-810 Embarque de MIL-STD-810 http://www.vibrationdata.com/webinars/unit4/navm.pdf https://info.endaq.com/hubfs/MIL-STD-810H.pdf https://info.endaq.com/hubfs/MIL-STD-810H.pdf https://info.endaq.com/hubfs/MIL-STD-810H.pdf https://info.endaq.com/hubfs/MIL-STD-810H.pdf 15 Gráfico 4 - Comparação de padrões de teste Olhar para esses dados no domínio do tempo pode nos dizer que a vibração em um jato é provavelmente mais severa do que em trilhos. Mas isso só é determinado observando a amplitude do pico, que nem sempre é um bom indicador. E não nos diz onde está essa energia ou qual é a densidade de potência. É por isso que temos a densidade espectral de potência! Gráfico 5 - Comparação de padrões de teste 16 Podemos observar que o PSD plota a potência ( g 2 / Hz) no eixo y como uma função da frequência ( Hz) no eixo x. Neste formato, podemos ver claramente a distinção entre os ambientes de vibração. Para saber quem é g 2 / Hz , vamos definir como um PSD é calculado. A função de densidade espectral de potência XPSD (f) é calculada a partir da transformada discreta de Fourier X (f) como: O fator da metade é necessário para converter a amplitude do pico 2 / Hz para rms 2 / Hz. O passo de frequência é finito na prática e é o inverso da duração total medida. Este passo de frequência é a menor frequência de onda senoidal que pode ser resolvida. Um Δf mais amplo dá maior confiança no PSD em termos de suavização dos componentes espectrais. 2.4.1. Benefícios e recursos de PSDs Largura da bandeja ajustável para suavizar Podemos perceber o quanto os gráficos de PSDs são “limpos”, outro grande benefício dos PSDs porque eles dependem da largura do compartimento de frequência. Raiz da área sob um PSD é igual a gRMS Tirar a raiz quadrada da área sob um PSD resultará no nível de vibração RMS. O cálculo desta área requer fórmulas de integração especiais devido ao formato log-log dos gráficos PSD. Primeiro você precisa calcular a inclinação N entre cada segmento: A área a i para um segmento é então: 17 E, finalmente, o nível geral para m segmentos totais é então: Usando o conjunto anterior de PSDs no ambiente de vibração do jato de carga, podemos comparar o RMS cumulativo para as diferentes larguras de caixa de 0,02 Hz e 4,3 Hz. Embora o PSD com a largura do compartimento menor seja muito barulhento, ao calcular o gRMS dos respectivos PSDs (raiz da área sob a curva) os dois rastreiam um ao outro perfeitamente. O cálculo desse RMS cumulativo também é uma maneira útil de ver quais componentes de frequência estão contribuindo com a maior parte da amplitude de aceleração. 18 Integrando um PSD de aceleração para velocidade e deslocamento Outro recurso útil dos PSDs é a facilidade de converter um PSD de aceleração em um PSD de velocidade correspondente e um PSD de deslocamento. Deixei: APSD = PSD de aceleração VPSD = Velocity PSD DPSD = Deslocamento PSD As fórmulas de integração são: A execução desse cálculo é uma maneira útil e robusta de compreender o aspecto da velocidade e do deslocamento do seu ambiente de vibração, que pode informar as decisões de projeto. A seguir estão os PSDs de velocidade e deslocamento da carga a jato MIL-STD-810. Gráfico 6 - Densidade espectral de potência de velocidade 19 Gráfico 7 - Densidade espectral de potência de deslocamento Agora vamos trazer de volta os outros padrões de teste para comparar seus PSDs de velocidade e deslocamento correspondentes. Gráfico 8 - Comparação do padrão de testes 20 Gráfico 9 - Comparação do padrão de testes Gráfico 10 - Comparação do padrão de testes 21 São visíveis os benefícios de usar PSDs. Nem todas as frequências podem ser tratadas igualmente! O ambiente de vibração para carga ferroviária parece menos severo do que o ambiente de jato. Mas, ao reconhecer a densidade de frequência mais baixa do ambiente ferroviário, você pode prever que introduzirá velocidades e deslocamentos mais altos do que o ambiente do jato. Vamos trazer de volta o domínio do tempo do ambiente de jato e ferroviário: Gráfico 11 - Comparação de ambientes de teste padrão Aqui, mostra que o avião a jato tem um ambiente mais severo, mas quando olhamos para o ambiente de velocidade, eles têm uma amplitude semelhante. E a energia cinética é proporcional à velocidade ao quadrado, portanto, devemos estar mais preocupados com isso quando nos preocupamos com a fadiga. 22 Gráfico 12 - Comparação de ambientes de teste padrão E agora, quando convertemos todo o caminho para o deslocamento, podemos ver o quanto esse ambiente ferroviário é "mais forte"! Gráfico 13 - Comparação de ambientes de teste padrão 23 2.5. Espectrograma Espectrogramas são gráficos que analisam a densidade espectral da energia de maneira dinâmica, é uma forma de visualizar a intensidade de um sinal através do tempo e em várias frequências sendo um gráfico planar (frequência X tempo), podendo ainda ser formadospor um gráfico de superfície, porém é mais utilizada a planar, pois utilizam diferentes cores para mostrar a intensidade do espectro que vária do violeta ao vermelho tornando possível a análise da composição química do material emissor tendo como exemplo a estrela. Observação: a terceira dimensão do espectrograma é a amplitude que é representada pela variação das cores, onde as mais escuras representam amplitudes menores e as mais claras amplitudes maiores. Figura 1 – Espectro Eletromagnético 2.5.1. Espectrometria visível Uma substancia é determinada pela sua cor ao ser observada, isso quando a mesma é absorvida ou transmitida. Ao ser observado percebesse uma única cor, porém, esta na verdade é composta por outras cores misturadas que a formam. O espectrômetro é o aparelho que vai dividir estas cores em suas respectivas, tornando possível a comparação com outros espectros para assim classifica-la. 24 2.6. Periodograma Periodograma é uma estimativa (cálculo aproximado) da densidade de um espectro de sinal. Tal termo foi criado por Arthur Schuster em 1898, sendo um dos métodos mais sofisticado e mais comum para analisar a amplitude x características de frequência de filtros FIR e funções da janela. A FFT também é uma sequência temporal de periodograma. Atualmente são usadas duas definições para o periodograma, em uma é usada o tempo de média e na outra não. Pegando a função de autocorrelação da transformada de Fourier, temos: Para suficientemente pequenos valores de parâmetro T, uma aproximação arbitrariamente-precisas para o X (f) pode ser observada na região da função: que é precisamente determinado pelas amostras x (nT) que se estendem a duração diferente de zero de x (t). E para valores suficientemente grandes de parâmetro N , pode ser avaliada a uma frequência perto arbitrariamente por um somatório da forma: onde x N é um somatório periódica: Quando avaliada para todos os números inteiros, k, entre 0 e N-1, a matriz: 25 É um periodograma. 2.6.1. Aplicações: Pode ser utilizado no Matlab e octave. Uma de suas deficiências está relacionado a sua variância, pois, conforme forem utilizados cada vez mais amostras de cálculo da frequência sua variância não irá diminuir conforme for aumentando. Não fornece a média necessária para analisar sinais noiselike ou mesmo sinusóides em proporções baixas de sinal-para-ruído. Poderá ser usado o periodograma quando há a necessidade de ser calculado um periodograma de janela de cada um e calcular uma média de matriz, ou seja, o método de periodogramas em média (método de welch) ou usando a técnica de suavização quando se quer suavizar o ruído. 2.7. Métodos paramétricos Métodos paramétricos são indicados quando podemos assumir que a distribuição dos dados é de maneira normal, nele é usada a escala de razão. O método paramétrico é um ramo da estatística que pressupõe que os dados são oriundos de um tipo de distribuição de probabilidade e faz dedução sobre os parâmetros da distribuição. Pode ser utilizado para uma amostra ou para comparação entre duas amostras, de acordo com as informações colhidas sobre variância ou desvio padrão, é utilizada a estatística Z, que está baseada na curva Normal, ou a estatística T de Student. Na forma geral, métodos paramétricos fazem mais suposições, se essas suposições adicionais estiverem corretas, os métodos paramétricos poderão produzir estimativas mais precisas comparados aos métodos da estatística não paramétrica. Porém, quando as hipóteses estão incorretas, os métodos paramétricos tornam-se errados. Os métodos paramétricos têm um grande poder estatístico. Assim é muito provável que você detecte um efeito significativo. 2.7.1. Estatística Z Teste Z é qualquer teste estatístico no qual a distribuição do teste estatístico sob a hipótese nula pode ser aproximada por uma distribuição normal. É um teste estatístico usado para inferência. https://pt.wikipedia.org/wiki/Estat%C3%ADstica https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_de_probabilidade https://pt.wikipedia.org/wiki/Infer%C3%AAncia https://pt.wikipedia.org/w/index.php?title=Par%C3%A2metros&action=edit&redlink=1 https://pt.wikipedia.org/wiki/Estat%C3%ADstica_n%C3%A3o_param%C3%A9trica https://pt.wikipedia.org/wiki/Estat%C3%ADstica_n%C3%A3o_param%C3%A9trica 26 Onde: ̅ – é a media da amostra – é um valor dos dados – é o Desvio Padrão 2.7.2. Estatística T de Studente A estatística T é uma distribuição de probabilidade teórica. Tem propriedades simétricas e semelhantes à curva normal padrão, porém possui algumas diferenças, ou seja, uma simulação da T de Student pode gerar valores mais extremos que uma simulação da normal. O parâmetro v que a define e caracteriza a sua forma é o número de graus de liberdade. Quanto maior for esse parâmetro, mais próxima da normal ela será. Temos Z, que é uma variável aleatória de distribuição normal segue o padrão e possui média 0 e variância 1, e V, uma variável aleatória com distribuição Chi-quadrado com v graus de liberdade. Se Z e V são independentes, então a distribuição da variável aleatória t será: Essa é a distribuição t de Student com ν graus de liberdade. A variável aleatória t também é dada por: segue uma distribuição t de Student com graus de liberdade. ou https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_normal https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_normal https://pt.wikipedia.org/wiki/Chi-quadrado 27 3. Estudo de caso O método de Estudos de Caso trata de uma metodologia de ensino variante da Aprendizagem Baseada em Problemas (do inglês Problem Based Learning, PBL). Esse método consiste em expor o aluno a situações reais, que utilizem dos conhecimentos previamente adquiridos para à resolução do problema. São apresentados na forma de narrativas ou de qualquer descrição de eventos, que são denominados casos, cujo contexto deverá encaminhar os estudantes para o levantamento de hipóteses e tomada de decisão final para a resolução do caso. Ao decorrer deste trabalho iremos apresentar quatro estudos de caso relacionados aos temas estudados anteriormente. 3.1. O estudo de caso de FFT e Espectrograma Análise de vibração de um motor de carro Em aplicações do mundo real, normalmente haverá muitos componentes de frequência diferentes de um perfil de vibração, bem como ruído mecânico e elétrico. Vejamos alguns dados obtidos no motor de um carro de passeio enquanto ele estava em marcha lenta e façamos algumas análises de vibração. Esses dados foram gerados com um registrador de dados de vibração do sensor enDAQ (anteriormente conhecido como Slam Stick) como parte de uma série de vídeos de instruções. Gráfico 14 - Vibração do motor do carro durante a marcha lenta https://endaq.com/collections/endaq-sensors-shock-vibration-s-series https://support.endaq.com/article/178-original-how-to-videos 28 Gráfico 15 - FFT do motor do carro durante a marcha lenta Podemos usar a análise de espectro do perfil de vibração para indicar qual era a velocidade de rotação do virabrequim do motor. Este é um motor de 4 cilindros e 4 tempos. O motor opera com dois pares de pistões que se deslocam fora de fase entre si e duas combustões de pistão por rotação do eixo de manivela; então a frequência dominante da vibração do motor será o dobro da velocidade de rotação do eixo da manivela. No FFT, há claramente uma frequência dominante em 30 Hz ou 1.800 RPM, o que nos diz que em marcha lenta o eixo da manivela está girando a 900 RPM (ou 15 Hz) onde também há um pico no FFT. O uso de um FFT em nossa análise de vibração deu pistas sobre o que estava causando a vibração medida. Em muitas aplicações, a frequência de vibração muda com o tempo e você pode ter problemas se apenas olhar para oFFT. Vamos diminuir o zoom da área onde o motor do carro está funcionando a uma taxa relativamente fixa e calcular um FFT de todo o sinal. Neste teste o motor ficou parado por um período de tempo, em ponto morto, então o motor foi acelerado antes de deixá-lo funcionar novamente e finalmente desligá-lo. A frequência de vibração mudou drasticamente durante o teste; mas o FFT não captura isso. Sabemos pelo gráfico anterior que quando estava ocioso havia uma frequência de vibração dominante bastante significativa de 30 Hz; mas este pico é silenciado quando você tenta olhar para o FFT de um ambiente de vibração em mudança. 29 Gráfico 16 - Vibração do motor do carro Gráfico 17 - FFT do motor do carro durante a marcha lenta e aceleração Neste exemplo, e em outros onde a frequência de vibração muda com o tempo, precisamos de um espectrograma. Um espectrograma funciona dividindo os dados do domínio do tempo em uma série de blocos e obtendo o FFT desses períodos de tempo. Essas séries de FFTs são sobrepostas umas às outras para visualizar como a amplitude e a frequência do sinal de vibração mudam com o tempo. Vire este gráfico de superfície tridimensional de FFTs de lado, adicione uma escala de cores para representar a amplitude (geralmente funciona melhor quando você olha para a cor / amplitude em uma escala logarítmica) e você fica com um espectrograma! De volta ao exemplo do motor do carro, onde o motor foi acelerado um pouco. O espectrograma mostrado abaixo ilustra como as frequências dominantes mudam com o tempo em relação a quando o motor do carro estava ocioso e ligado. Usando um espectrograma, o analisador obtém uma 30 compreensão muito mais profunda do perfil de vibração e como ele muda com o tempo. Gráfico 18 - Vibração do motor do carro Gráfico 19 - Espectrograma do motor do carro 3.2. O estudo de caso de PSD Muitas vibrações no mundo real, especialmente durante o trânsito, podem ser chamadas de vibração “aleatória” porque é movimento em muitas frequências ao mesmo tempo. FFTs são ótimos para analisar vibração quando há um número finito de componentes de frequência dominante; mas densidades espectrais de potência (PSD) são usadas para caracterizar sinais de vibração aleatórios. Um PSD é calculado multiplicando cada bin de frequência em um FFT por seu conjugado complexo que resulta no espectro real único de amplitude em g 2 . O principal aspecto de um PSD que o torna mais útil do que um FFT para análise de vibração aleatória é que este valor de amplitude é então normalizado para a largura do compartimento de frequência para obter 31 unidades de g 2/ Hz. Ao normalizar o resultado, eliminamos a dependência da largura do compartimento para que possamos comparar os níveis de vibração em sinais de diferentes comprimentos. Análise de vibração de cargas de aeronaves a jato Por causa de como os PSDs cancelam o efeito da largura de banda de um espectro de frequência, muitos padrões de teste descreverão seu ambiente de vibração com um PSD. Vamos examinar um exemplo do MIL-STD-810G. A Figura 20 descreve os níveis de aceleração típicos aos quais cargas de aeronaves a jato são expostas, conforme mostrado abaixo. Gráfico 20 - Exposição à vibração de aeronaves a jato Para transportar algo em um avião a jato, seria necessário fazer alguns testes em seu dispositivo / equipamento para provar que o objeto pode sobreviver à exposição prolongada a esses níveis de vibração. A maioria dos sistemas de controle de agitador terá esses perfis de exposição integrados, mas eles também podem ser construídos facilmente, dados alguns níveis PSD conhecidos e taxas de aumento / diminuição. Vamos dar uma olhada em alguns dados capturados por um sensor enDAQ quando ele estava sendo animado com esses níveis de vibração. https://cdn2.hubspot.net/hubfs/637862/MIL-STD-810.pdf https://endaq.com/collections/endaq-sensors-shock-vibration-s-series 32 Gráfico 21 - 1.000 pontos de exposição à vibração de carga de aeronaves a jato Gráfico 22 - 10.000 pontos de exposição à vibração de carga de aeronaves a jato Gráfico 23 - 100.000 pontos de exposição à vibração de carga de aeronaves a jato Os dados brutos no domínio do tempo não nos dizem muito, embora seja surpreendente a amplitude de quase 20g da vibração. Vamos fazer algumas análises de vibração e calcular os FFTs e PSDs desses sinais para ver como o comprimento do sinal afeta a amplitude do FFT, mas não do PSD. 33 Gráfico 24 As linhas vermelhas no PSD são os limites de erro de entrada em que o agitador está tentando manter o sinal. Como você pode ver, o PSD de diferentes comprimentos de sinal apenas preenche essa área, mas a amplitude não muda no geral. A amplitude da FFT, entretanto, diminui à medida que a largura de banda é aumentada. A amplitude PSD não muda porque é normalizada para a largura do compartimento de frequência. Esta normalização que ocorre em um cálculo PSD torna muito mais desejável ser usado ao analisar sinais de vibração aleatórios. 34 3.3. O estudo de caso de FRF Aplicação do FRF acústico ao Ruído, Vibração e Aspereza (e-NVH) Máquinas elétricas quando sujeita a excitações eletromagnéticas causam uma resposta acústica que geralmente é quantificada usando o estator ou rotor (podendo ser um motor ou gerador elétrico) através do nível de potência sonora irradiada pela mesma, enquanto que as ondas de estresse de Maxwell que é dada em [N/m2] ou o magnético equivalente forças por dente dado em [N] é quantificado através da excitação que a estrutura sofre. O FRF acústico em uma malha acústica predefinida que serve para simular microfones virtuais ao redor do julgo externo através do nível de pressão do som também pode ser expressa. A unidade do FRF acústico é dada por [W/Pa2] ou então [W/N2]. Ondas de tensão de Maxwell e FRFs quando provenientes da decomposição de Fourier ao longo do entreferro causada por uma resposta do rotor ou estator a forças magnéticas pode ser quantificado. 3.4. O estudo de caso de métodos paramétricos Estudo de caso referente a uma dissertação de mestrado do curso de engenharia mecânica, com o título: - Análise das vibrações e identificação paramétrica em tratores de pneus agrícola. O uso de técnicas de modelamento, visando o estabelecimento de um conjunto de equações que possam monitorar adequadamente a análise prévia do comportamento dinâmico e/ou vibratório do sistema trator na sua interação com o solo, é uma realidade.... Procura-se verificar os vetores de resposta em deslocamentos no domínio da frequência (vibrações da estrutura de suspensão do trator) a partir de um procedimento utilizando técnica de identificação de parâmetros. SILVA, João Carlos Barbosa da. Análise das vibrações e identificação paramétrica em tratores de pneus agrícola. 1999. 138f. (Dissertação de Mestrado), Programa de Pós-graduação em Engenharia Mecânica, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande - Paraíba - Brasil, 1999. Segundo SILVA, João Carlos Barbosa da. (1999, Dissertação de Mestrado, p.19) “Os corpos rígidos livres no espaço possuem seis graus de liberdade e, podem ser descritos por: 35 1) Movimento de translação ao longo dos eixos x (transversal), y (longitudinal) e z (vertical). 2) Movimento de rotação ao redor dos eixos x ("pitch"), y ("roll") e z ("yaw"). Considerações ao deslocamento do trator como premissas básicas para efeito de modelamento e obtenção das equações diferenciais de movimento, as seguintes características: a) Velocidade constante; b) Rodas traseiras e dianteiras sempre em contato com o solo; c) Resistência ao rolamento desprezível; d) Conjunto de rodas dianteiro representado como um sistema simples de rigidez e amortecimento; e) Trator como sendo um corporígido. Para o sistema em estudo são assumidos três graus de liberdade: a) Um modo de vibração em translação, isto é, deslocamento vertical do centro de gravidade da estrutura; b) Um modo cónico (movimento pitch ou de rotação em torno do eixotransversal que passa pelo centro de gravidade), e; c) Um modo cónico de vibração (movimento roll ou de rotação em torno do eixo longitudinal em relação ao centro de gravidade). 36 Produção de excitação com sinal sintetizado Em particular, o sinal a ser utilizado como fonte de excitação no sistema mecânico em estudo, é obtido por síntese de sinais de baixa auto-correlação com baixo fator de pico, sintetizado a partir dos ângulos de fase dos harmónicos que o compõe, com ângulos de fase no intervalo de 0 a . Gerar este sinal em computador digital significa buscar séries temporais de comprimento finito , cujos coeficientes de autocorrelação são definidos por, ( ) ∑ ( ) tal que estes coeficientes assumam valores pequenos para k > 1. Deste modo, considera-se um sinal periódico de período T. SILVA, João Carlos Barbosa da. Análise das vibrações e identificação paramétrica em tratores de pneus agrícola. 1999. 138f. (Dissertação de Mestrado), Programa de Pós-graduação em Engenharia Mecânica, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande - Paraíba - Brasil, 1999. Segundo SILVA, João Carlos Barbosa da. (1999, Dissertação de Mestrado, p.19) “Estes e outros fatores são pontos importantes no problema de Figura 2 - Sentido longitudinal Figura 3 - Sentido transversal 37 identificação de parâmetros de sistemas mecânicos. O conhecimento preliminar, se possível, da origem destes e de outros erros que porventura possam surgir, pode assegurar, dentro de certas limitações, uma estimação razoável para os parâmetros do sistema. 1) ruídos em transdutores (de deslocamento, velocidade etc), e ruídos introduzidos nos processos computacionais devido a falta de precisão numérica (truncamento); 2) ruídos que não são detectados nos pontos de entradas que contribuem na saída passando pelo sistema, e que são incorrelatos com as entradas; 3) problemas de não linearidade do sistema entre as entradas e as saídas. Os erros de "bias" são erros sistemáticos que tem como origens primárias principais: 4) ruídos nas medidas de entradas que não passam através do sistema, e ruídos que surgem em pontos de saída do sistema não correlatos com as entradas; 5) erros devido à baixa resolução em frequência na estimação da densidade espectral; 6) não linearidade paramétrica do sistema; 7) ruídos não medidos nas entradas que contribuem na saída passando pelo sistema, e que são correlatos com as medidas de entradas.” 38 4. Conclusão A presente pesquisa abordou métodos de análise vibracional com estudos de caso do mesmo. Neste trabalho buscamos demonstrar um estudo sobre métodos analíticos e experimentais sobre o FFT, FRF, PSD, espectrograma, periodograma, diagrama de bode e métodos paramétricos. Primeiramente foi feito um estudo sobre os métodos analíticos e experimentais, com isso, concluímos tamanha importância dessas abordagens em diversas áreas, ao relatarmos que métodos analíticos nos dão respostas rápidas, de baixa complexidade e custo, e que são feitas através do desenvolvimento de fórmulas matemáticas. Contudo percebemos algumas limitações quando aplicadas a casos mais práticos, como: não demonstrar de maneira detalhada o entendimento sobre o material estudado, problemas em dimensionamentos, custo de produção, entre outros. Logo, é um método mais bem visto em procedimentos mais teóricos. Entretanto, os métodos experimentais irão nos dar uma melhor resposta em métodos práticos, ao fazer uso de protótipos que nos darão respostas mais detalhadas do produto ou equipamento, pois, apresentam características do mesmo, e com isso junto aos sistemas de aferição de dados que são impostas aos testes, conseguiremos obter um resultado mais detalhado sobre o objeto de estudo. Em um segundo momento desta pesquisa falamos sobre o FFT que é a transformada de Fourier, onde vimos que na verdade, as formas de ondas são uma série de sinusóides simples de diferentes frequências, amplitudes e fases, para assim obtermos uma compreensão mais aprofundada do perfil de vibração que é feita através da análise do domínio da frequência, com esboço matemático e gráfico. Por conseguinte, foi feito uma pesquisa sobre a FRF (função resposta de frequência) e Diagrama de Bode, no qual relatamos que a FRF pode ser obtido sem nenhum entendimento prévio da função de transferência, através de um experimento que nos dará a resposta de um sistema que surgirá por um sinal de entrada senoidal, no qual também pode ser esboçada através do diagrama de Bode que nos retrata essa resposta de sinal, mas que também pode ser usado para identificar a função de transferência de um sistema linear. No estudo do PSD que é a densidade espectral de potência, analisamos alguns perfis de vibração no domínio do tempo, métodos analíticos com gráficos e gráficos comparativos de um jato e trilho, que ao introduzirmos velocidade e deslocamento percebemos que o ambiente ferroviário é “mais forte”. No estudo do espectrograma abordamos a intensidade de um sinal através do tempo, onde, através disto, relatamos que o gráfico planar é o mais utilizado, por demonstrar a intensidade do espectro por diferentes cores, variando do vermelho ao violeta. 39 No estudo do periodograma fizemos uma análise mais analítica, pois se trata de uma estimativa, ou seja, um cálculo aproximado da densidade de um espectro de sinal, no qual foi feita a sua representação matemática e apontamos algumas características e aplicação. Tendo em vista os métodos paramétricos, demonstramos ser um método mais dedutivo, pois foi criado no ramo da estatística por pressupor que os dados são oriundos de um tipo de distribuição de probabilidade, onde, pode ser usado na estatística Z e na estatística T. Por fim, usamos estudos de casos para relatarmos de maneira mais prática e entendível, alguns assuntos relacionados aos temas apresentados neste trabalho, para assim haver uma melhor visualização desses métodos de analise vibracional com exemplos usuais no nosso dia-a-dia. 40 Referências RAO, Singiresu. Vibrações mecânicas. Edição 4. Editora Pearson, 2009. Citado 3 vezes na página 7. ENSUS. Análise de Vibração – Tipos de Sinais, Transformada de Fourier e PSD. Disponível em: <https://ensus.com.br/analise-de-vibracao-tipos-de-sinais- transformada-de-fourier-e-psd/>. Acesso em: 24/09/2020. Citado na pagina 11. SCHEIDLER, Pete. Compreendendo os fundamentos da transformada de Fourier. Disponível em: <https://blog.endaq.com/fourier-transform-basics>. Acesso em: 24/09/2020. HANLY, Steve. Por que a densidade espectral de potência (PSD) é o padrão ouro da analise de vibração. Disponível em: https://blog.endaq.com/why-the-power- spectral-density-psd-is-the-gold-standard-of-vibration-analysis. Acesso em: 24/09/2020. EOMYS. O que FRF (Função de Resposta de Frequência)?. Disponível em: <https://eomys.com/e-nvh/technical-notes-on-electromagnetically-excited-noise-and- vibrations/article/what-is-a-frf-frequency-response-function?lang=en>. Acesso em: 30/09/2020. OSA. Calculo da densidade espectral de potencia a partir de dados de perfil de superfície. Disponível em: <https://www.osapublishing.org/ao/abstract.cfm?uri=ao- 34-1-201>. Acesso em: 18/09/2020. SILVA, Samuel. Vibrações mecânicas. Disponível em: <http://www.joinville.ifsc.edu.br/~pauloboni/mecanismos/din%c3%82mica%20de%20 m%c3%81quinas/apostila%20-%20samuel%20da%20silva%20- %20muito%20boa%20-%20did%c3%a1tica.pdf>. Acesso em: 18/09/2020.https://ensus.com.br/analise-de-vibracao-tipos-de-sinais-transformada-de-fourier-e-psd/ https://ensus.com.br/analise-de-vibracao-tipos-de-sinais-transformada-de-fourier-e-psd/ https://blog.endaq.com/author/pete-scheidler https://blog.endaq.com/author/pete-scheidler https://blog.endaq.com/why-the-power-spectral-density-psd-is-the-gold-standard-of-vibration-analysis https://blog.endaq.com/why-the-power-spectral-density-psd-is-the-gold-standard-of-vibration-analysis https://eomys.com/e-nvh/technical-notes-on-electromagnetically-excited-noise-and-vibrations/article/what-is-a-frf-frequency-response-function?lang=en https://eomys.com/e-nvh/technical-notes-on-electromagnetically-excited-noise-and-vibrations/article/what-is-a-frf-frequency-response-function?lang=en https://www.osapublishing.org/ao/abstract.cfm?uri=ao-34-1-201 https://www.osapublishing.org/ao/abstract.cfm?uri=ao-34-1-201 http://www.joinville.ifsc.edu.br/~pauloboni/mecanismos/din%c3%82mica%20de%20m%c3%81quinas/apostila%20-%20samuel%20da%20silva%20-%20muito%20boa%20-%20did%c3%a1tica.pdf http://www.joinville.ifsc.edu.br/~pauloboni/mecanismos/din%c3%82mica%20de%20m%c3%81quinas/apostila%20-%20samuel%20da%20silva%20-%20muito%20boa%20-%20did%c3%a1tica.pdf http://www.joinville.ifsc.edu.br/~pauloboni/mecanismos/din%c3%82mica%20de%20m%c3%81quinas/apostila%20-%20samuel%20da%20silva%20-%20muito%20boa%20-%20did%c3%a1tica.pdf 41 CASTRO, Ricardo. Apostila de vibrações mecânicas. Disponível em: <http://www.puc-rio.br/pibic/relatorio_resumo2018/relatorios_pdf/ctc/mec/mec- ricardo%20de%20castro.pdf>. Acesso em: 27/09/2020. AUGUSTO, Louis. Um estudo sobre a transformação rápida de Fourier e seu uso em processamento de imagem. Disponível em: <https://www.lume.ufrgs.br/bitstream/handle/10183/6748/000446124.pdf?sequence= 1>. Acesso em: 27/09/2020. ENDAQ. Vídeos originais de instruções. Disponível em: <https://support.endaq.com/article/178-original-how-to-videos>. Acesso em: 27/09/2020. MARINHO, Leandro. Estudo comparativo de analise modal e experimental no domínio da frequência em uma barra na condição de contorno livre-livre. Disponível em: <file:///C:/Users/Amanda/Desktop/oscila%C3%A7%C3%B5es/PB_DAMEC_2014_2_ 03.pdf>. Acesso em: 18/09/2020. PADRÃO DE MÉTODO DE TESTE DO DEPARTAMENTO DE DEFESA. Considerações de engenharia ambiental e testes de laboratório. Disponível em: <https://cdn2.hubspot.net/hubfs/637862/mil-std-810.pdf>. Acesso em: 29/09/2020. ESPECTROGRAMA. Wikipedia a Enciclopédia livre, 2019. Disponível em: <https://pt.wikipedia.org/wiki/Espectrograma>. Acesso em: 28 de set. de 2020. ESPECTROGRAMA de Frequência. Cysne produções, 2017. Disponível em: <https://cysneproducoes.com.br/espectrograma-de-frequencia-veja-o-audio-com- novas-cores/>. Acesso em: 28 de set. de 2020. ALPUIM, Tereza. Detecção de periodicidades em séries temporais: o Periodograma. Run. 1995. Disponível em: < https://run.unl.pt/bitstream/10362/7591/1/WP0019.pdf>. Acesso em: 22 de set. de 2020. http://www.puc-rio.br/pibic/relatorio_resumo2018/relatorios_pdf/ctc/mec/mec-ricardo%20de%20castro.pdf http://www.puc-rio.br/pibic/relatorio_resumo2018/relatorios_pdf/ctc/mec/mec-ricardo%20de%20castro.pdf https://www.lume.ufrgs.br/bitstream/handle/10183/6748/000446124.pdf?sequence=1 https://www.lume.ufrgs.br/bitstream/handle/10183/6748/000446124.pdf?sequence=1 https://support.endaq.com/article/178-original-how-to-videos file:///C:/Users/Amanda/Desktop/oscilações/PB_DAMEC_2014_2_03.pdf file:///C:/Users/Amanda/Desktop/oscilações/PB_DAMEC_2014_2_03.pdf https://cdn2.hubspot.net/hubfs/637862/mil-std-810.pdf 42 Análise espectral com a transformada de Fourier. 2019. Disponível em: < http://lef.mec.puc-rio.br/wp-content/uploads/2019/04/Introdu%C3%A7%C3%A3o-a- transforma%C3%A7%C3%A3o-de-Fourier.pdf >. Acesso em: 22 de set. de 2020. Analise de variância em series temporais-comparação de comportamento de retornos em diversos portfolios setoriais. Disponível em: < https://www.ime.usp.br/~chang/home/mae325/mae5871%20- %20analise%20espectral%20de%20st/aulas/aplicacao-anova.pdf>. Acesso em: 22 de set. de 2020. SILVA, João Carlos Barbosa da. Análise das vibrações e identificação paramétrica em tratores de pneus agrícola. 1999. 138f. (Dissertação de Mestrado), Programa de Pós-graduação em Engenharia Mecânica, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande - Paraíba - Brasil, 1999. https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_t_de_Student http://www.leg.ufpr.br/lib/exe/fetch.php/disciplinas:ce001:teste_z_- _para_apresentar.pdf http://www.im.ufrj.br/probest/Tabelas_de_probabilidade.pdf https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_t_de_Student http://www.leg.ufpr.br/lib/exe/fetch.php/disciplinas:ce001:teste_z_-_para_apresentar.pdf http://www.leg.ufpr.br/lib/exe/fetch.php/disciplinas:ce001:teste_z_-_para_apresentar.pdf
Compartilhar