Aportaciones al mantenimiento predictivo de motores de inducción mediante una metodología de diagnóstico basada en el uso combinado de técnicas estadísticas y redes neuronales artificiales

Metodología de diagnóstico de motores de inducción alimentados por convertidor para la detección de fallos incipientes: basada en conjuntos pequeños de datos y clases desequilibradas

“…A pesar de que este tipo de convertidor electromecánico asume un protagonismo notable debido a su robustez, fiabilidad, eficiencia y, facilidad de regulación de velocidad, una parada inesperada de estos elementos, puede acarrear consecuencias inmensurables en aquellas industrias o procesos donde opera. Por ello, uno de los factores que ayudan a aumentar la competitividad de una industria moderna es la reducción de costes, entre los que se encuentran los asociados al mantenimiento [2]. El MI está sujeto a desgastes, fallos de montaje, tolerancias, etc., lo que puede acabar provocando un fallo prematuro.…”

“…Pero en algunos casos, la existencia del fallo afecta a la generación del par o produce oscilaciones de velocidad que, por ejemplo, pueden afectar al producto final en un ciclo de mecanizado o al confort en una aplicación de tracción. Por lo tanto, para su detección es necesario desarrollar un sistema de diagnóstico [2]. Las prestaciones y orientación del sistema de diagnóstico dependerán del mantenimiento requerido por la aplicación y de la importancia del fallo.…”

“…Generalmente, el análisis de vibraciones se usa para la detección de fallos mecánicos como fallos en rodamientos, engranajes de acoplamiento, o el mismo desalineamiento del rótor. Además, pueden producirse vibraciones de la carcasa como consecuencia de cortocircuitos en el bobinado del estátor, desbalance en el suministro o barras rotas [2]. La señal de vibración se captura con transductores colocados en los rodamientos para medir en las direcciones radial y/o axial.…”

“…A pesar de las ventajas que tiene esta técnica, algunos autores sostienen que se pierde mucha información para cuantificar adecuadamente el fallo [44]. Otro inconveniente de esta técnica, es que se requieren dos sensores para la captura de las señales [2].…”

“…Al igual que la mayoría de los algoritmos,éstas aprenden a base de ejemplos o instancias. Las ANN se han aplicado extensamente en elárea de la monitorización de condiciones y diagnóstico de fallos [2,74,[97][98][99]. Varios investigadores las han utilizado para realizar tareas a través de diferentes enfoques [41,95]:…”