Modelo de qualidade sonora do ruído de motores elétricos desenvolvido a partir da detecção de falhas

Abstract

A qualidade sonora é um campo de conhecimento multifacetado envolvendo aspectos objetivos e perceptivos que derivam da psicoacústica em muitos casos. Modelos psicoacústicos que visam quantificar diferentes sensações auditivas são bastante explorados em qualidade sonora, sendo muitas vezes chamados de métricas de qualidade sonora. O emprego bem-sucedido dessas grandezas na avaliação do incômodo psicoacústico e de atributos percebidos pelos consumidores nos sons dos produtos motivou sua aplicação na detecção e classificação de falhas neles. Todavia, no caso de motores elétricos, pouco ou nenhum enfoque foi dado, especialmente em falhas na fabricação. Neste contexto, este trabalho investigou o comportamento apresentado por métricas de qualidade sonora obtidas de motores de indução monofásicos para três tipos de falhas de fabricação comumente encontradas nos testes de fim de linha de uma fabricante, estando localizadas no rolamento e em dois componentes no estator: o barbante de amarração das suas bobinas e a fita de bandagem. O motor operando sem falhas também foi analisado. As métricas de qualidade sonora loudness, sharpness, fluctuation strength, roughness e tonality foram avaliadas e responderam de maneira diferente nas condições investigadas, com falhas na fita apresentando conteúdo médio mais intenso de loudness e sharpness, o motor sem falhas diferenciando-se por quantidades mais expressivas das métricas relacionadas à flutuação lenta e as falhas no rolamento sendo bem caracterizadas pelo roughness. A maioria das métricas calculadas para falhas no barbante apresentou resultados intermediários. O teste de hipótese não paramétrico da soma dos postos de Wilcoxon mostrou que existem diferenças estatisticamente significativas entre as populações de cada condição em relação aos resultados globais das métricas. Testes de escuta foram realizados e permitiram a quantificação da percepção de um júri não especialista quanto a pares de adjetivos, como não-incômodo/incômodo e suave/áspero, após audição de sons das condições de operação. Por fim, três modelos foram desenvolvidos com métricas de qualidade sonora para a classificação binária de motores não defeituosos e com falhas por meio de Redes Neurais Artificiais (RNAs), exibindo acurácias de 89,3%, 95,7% e 95,7%. Um quarto modelo para a mesma finalidade foi obtido com RNAs, tendo como entrada dados estimados de um modelo de regressão linear que correlaciona sharpness com os descritores incômodo, silencioso e áspero, apresentando acurácia de 88,6%. O estudo concluiu que os recursos de qualidade sonora, subjetivos e objetivos, são capazes de diferenciar as condições em análise e permitem diagnosticar os tipos de falhas investigados nos modelos de motores desta pesquisa.

Abstract: Sound quality is a multifaceted field of knowledge involving objective and perceptual aspects that often derive from psychoacoustics. Psychoacoustic models aiming to quantify different auditory sensations are widely explored in sound quality, often referred to as sound quality metrics. The successful use of these measures in assessing psychoacoustic annoyance and consumer-perceived attributes in product sounds has motivated their application in detecting and classifying product faults. However, in the case of electric motors, little to no emphasis has been placed, especially on manufacturing faults. In this context, this work investigated the behavior of sound quality metrics obtained from single-phase induction motors for three types of manufacturing faults commonly found in end-of-line tests at a manufacturer, located in the bearing and two components of the stator: the lacing cord of its coils and the bracing tape. The motor operating without faults was also analyzed. The sound quality metrics loudness, sharpness, fluctuation strength, roughness, and tonality were evaluated and responded differently under the investigated conditions, with faults in the tape showing more intense average loudness and sharpness content, the motor without faults differing by more expressive quantities of metrics related to slow fluctuations, and faults in the bearing being well characterized by roughness. Most metrics calculated for lacing cord faults presented intermediate results. The non-parametric Wilcoxon signed-rank test showed statistically significant differences between the populations of each condition regarding the overall metric results. Listening tests were conducted to quantify the perception of a non-expert jury in relation to pairs of adjectives, such as non-annoyance/annoyance and smooth/rough, after listening to sounds from the operating conditions. Finally, three models were developed with sound quality metrics for the binary classification of defect-free and defective motors using Artificial Neural Networks (ANNs), achieving accuracies of 89.3%, 95.7%, and 95.7%. A fourth model for the same purpose was obtained using ANNs with input data estimated from a linear regression model that correlates sharpness with the descriptors annoyance, quiet, and rough, achieving an accuracy of 88.6%. The study concluded that both subjective and objective sound quality features can distinguish the analyzed conditions and allow for diagnosing the types of faults investigated in the motor models of this research.