Desde la invención, el Motor de Combustión Interna (MCI) se utiliza en una amplia gama de aplicaciones automovilísticas, aeronáuticas, ferroviarias entre otras. Debido a lo anterior, se han desarrollado diversas técnicas de monitoreo, diagnóstico y mantenimiento para los MCI, las cuales tienen como objetivo mantenerlos en buen estado para reducir costos de reparación, garantizar la disponibilidad y eficiencia. Generalmente, las técnicas de mantenimiento de los MCI se basan en el análisis de señales intrínsecas provenientes de los mismos (temperatura, vibraciones, gases, etc.) y la captura de estas conlleva un enorme trabajo de instrumentación. En este artículo, se presenta detalladamente un robusto y eficiente banco de instrumentación para la captura de señales proveniente de un motor de combustión interna. Las señales capturadas del MCI son temperatura (bloque, aceite, escape y admisión), vibraciones en todos los ejes, presión en la cámara de combustión, posición angular, velocidad y carga. Cada señal fue analizada y acondicionada para ser capturada por el sistema de adquisición de la National Instruments (NI), con el objetivo de cumplir con estándares de comparación establecidos en el estado del arte. Cabe resaltar que, gracias a la metodología implementada todas las señales se capturan de manera simultánea, lo cual permite realizar correlaciones entre las mismas en el tiempo y así encontrar información relevante. Fruto de este trabajo, se presenta un conjunto de señales provenientes de MCI que generalmente no son tomadas en cuenta para realizar diagnósticos y muchos menos analizadas de manera conjunta. Además, se exhibe una base de datos con todas las señales cambiando las condiciones de trabajo (velocidad y carga) del MCI, la cual puede ser utilizada para casos de estudio.
Las señales de vibración son usadas generalmente para detectar fallos en máquinas rotativas. En la actualidad existen diferentes metodologías para realizar análisis basado en dichas señales. Una metodología usada extensamente es el Mantenimiento Basado en Condición (CBM). CBM es un mantenimiento programado que recomienda acciones basadas en información recolectada. Actualmente, para la adquisición de señales de vibración se usan comúnmente Redes de Sensores Inalámbricos (WSNs por sus siglas en ingles). Los WSNs son redes formadas por una cierta cantidad de nodos, cada nodo está equipado con un sensor para identificar un fenómeno físico como la luz, presión, temperatura, etc. En este artículo, se propone un robusto sistema basado en WSNs para la adquisición, almacenamiento y transmisión de señales de vibración, el cual combina un mecanismo de acondicionamiento, una tarjeta central y un dispositivo para la transmisión inalámbrica. El sistema propuesto cumple todas las funciones anteriores de manera automática y precisa para dos señales de vibración y una señal de velocidad.
Compression‐ignition (CI) engines, aka diesel engines, are responsible for an essential percentage of the world‐polluting emissions. Moreover, bearings installed in industrial machinery constitute the most common failure affecting global energy consumption. Since industries’ energy demand has a growing tendency, efficient maintenance is a must. Maintenance requires a fast and accurate diagnosis, commonly based on an intrusive or expensive sensor to capture monitoring signals, i.e. pressure, emissions, temperature, fuel consumption and rotational speed. Here, a vibration signal‐based approach is introduced to combustion engines and bearings diagnosis. Namely, a multi‐scale permutation entropy (MPE)‐based feature extraction is conducted within a variability‐based relevance analysis (VRA) stage to feed a straightforward classifier, the K‐nearest neighbours (KNN). Accuracy was validated using a signals’ database from a single‐cylinder engine under multiple work conditions. Also, the methodology is compared through classification accuracy of a widely known bearing vibration signal database obtaining an outstanding performance.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.