Identificación automática de fallas en rodamientos de máquinas rotativas a partir de señales de vibraciones mecánicas empleando modelos ocultos de Markov con selección automática del número de estados PDF Download

Author: Daniel Mateo Herrera Obando
Publisher:
ISBN:
Category :
Languages : es
Pages :

View

Book Description
Resumen: En este trabajo se desarrolla, implementa y evalúa una metodóloga para la identificación de fallas en rodamientos de máquinas rotativas, a partir de una selección automática del numero de estados que describe los parámetros reconstruidos de un modelo oculto de Markov o HMM. Un HMM es una herramienta estadística robusta usada en la clasificación de patrones, usualmente implementada en el reconocimiento de voz, pero su potencial se extiende a lo largo de diferentes áreas como lo son la bioinformática, los patrones gráficos, entre otros. La clasificación de fallas se logra mediante las señales de vibración que registran los rodamientos frente a diferentes tipos de falla y también cuando se encuentra en su estado normal. Para caracterizar estas señales de vibración se recurre a los coeficientes centrales en la frecuencia Mel, mientras que la selección automática del número de estados se logra gracias al método de prunning o poda. Con una selección automática del numero de estados, este trabajo busca reducir cargas.

Author: Juan Fernando López López
Publisher:
ISBN:
Category :
Languages : es
Pages :

View

Book Description
Las vibraciones mecánicas, como herramienta de diagnóstico de fallas en máquinas y procedimiento de mantenimiento predictivo, han sido ampliamente estudiadas en los últimos años por la industria privada y por numerosas universidades del mundo entero. Uno de los puntos neurálgicos en este continuo desarrollo del análisis de vibraciones mecánicas, es la técnica de procesamiento a utilizar. La transformada de Fourier se destaca como la principal técnica utilizada debido a los buenos resultados que hasta la fecha ha proporcionado a los técnicos encargados del mantenimiento en la industria y del análisis de dichas señales. El siguiente paso en el análisis de vibraciones es encontrar una forma de automatizar el proceso de diagnóstico de falla en máquinas rotativas y este proyecto tiene el propósito de desarrollar una metodología que permita acercar ese objetivo final. En este proyecto para el desarrollo de una metodología de análisis empleando transformaciones tiempo-frecuencia, en primera medida se obtienen las bases de datos de las señales de vibración de un motor eléctrico con desbalanceo y en buen estado, una base de datos de fallas en rodamientos y una base de datos de fallas en máquinas rotativas proporcionada por Smurfit Kappa Cartón de Colombia S.A. Se definen 6 metodologías de análisis en las cuales se realiza el preprocesamiento de las señales haciendo el filtrado por umbralizado wavelet y se estudia la estacionariedad de la señales empleando el Run test. En la etapa de extracción de características se utilizan las transformaciones de Fourier FFT y STFT, la transformada wavelet discreta, el análisis cepstrum y las distribuciones Wigner Ville y Choi Williams. Para tratar el problema de la alta dimensionalidad, se utiliza el análisis de componentes principales y se hace la clasificación utilizando clasificadores lineal y tipo Bayes. Para las señales de desbalanceo se obtiene una mejor clasificación empleando la transformada wavelet con 99,5% de aciertos en ..