Este trabajo presenta un nuevo algoritmo basado en wavelets para la detección de fallas en máquinas de inducción de tresfases. Este nuevo método utiliza la desviación estándar de los coeficientes wavelet, que se obtiene de la descomposición den-niveles de cada fase, para identificar fallas en el voltaje en una fase o fallas en la resistencia del estator en máquinas deinducción. El algoritmo propuesto puede funcionar independiente de la frecuencia de operación, tipo de falla y condicionesde carga. Los resultados muestran que este algoritmo tiene una mejor respuesta de detección que las técnicas basadas en latransformada de Fourier.
INTRODUCCIÓN
Las máquinas de inducción se encuentran entre los dispositivos más utilizados en los procesos industriales actuales. En general, se consideran robustas y muy adecuadas para una amplia gama de aplicaciones. Este papel cada vez más crítico en los procesos industriales pone de manifiesto el nivel de atención que se presta a la detección temprana o al diagnóstico de fallos potencialmente destructivos, así como el amplio tiempo de investigación dedicado al tema en la última década.
Los métodos de predicción y detección de fallos del motor están ampliamente documentados en la literatura de investigación; muchos de estos métodos utilizan de alguna forma las señales de tensión y corriente del estator junto con algoritmos de firma para determinar o predecir las condiciones de fallo en un motor de inducción. En [1], Benbouzid presenta un resumen muy organizado de los desarrollos de las herramientas y técnicas de análisis de firmas de motores en las últimas dos décadas. Las técnicas clásicas de análisis de firmas utilizan principalmente métodos de transformada de Fourier para examinar en detalle las formas de onda de la corriente y luego establecer algunos criterios para clasificar una serie de fallos del rotor y del estator. La tendencia en el análisis de firmas se está moviendo hacia la aplicación de técnicas computacionales no tradicionales en las áreas temáticas como los elementos finitos y más recientemente el procesamiento de señales wavelet [1]-[4]. Para contrastar ambos enfoques, el diagnóstico de fallos en motores de inducción mediante técnicas de Fourier requiere una gran cantidad de datos, como se establece en [5]. En cambio, en [2] se desarrolló una ondícula desarrollada por Gauss que busca frecuencias particulares relacionadas con fallos conocidos, mejorando así la detección de fallos respecto al método tradicional de Fourier. Sin embargo, hay que tener en cuenta que las frecuencias características de la máquina tienen que conocerse de antemano y, por lo tanto, hay que diseñar filtros de paso de banda con un ancho de banda fraccionario constante para esa máquina en particular.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Control acelerado del backstepping adaptativo del giroscopio caótico MEMS por medio de la FNN secuencial de tipo 2
Artículo:
Plasmones superficiales y espectros Raman mejorados en superficie de nanopartículas de oro-plata agregadas y aleadas
Artículo:
Diseño de un material didáctico computarizado para la enseñanza de Oscilaciones y Ondas, a partir del estilo de aprendizaje de los estudiantes
Artículo:
Aplicación de la tecnología de velocidad variable a turbinas Francis
Artículo:
Aplicación de la termodinámica continua a la fraccionación de polímeros
Artículo:
Tendencias actuales del mantenimiento industrial
Artículo:
Metales pesados (Cd, Cu, V, Pb) en agua lluvia de la zona de mayor influencia de la mina de carbón en La Guajira, Colombia
Artículo:
Evaluación y gestión de inundaciones repentinas para el desarrollo sostenible mediante tecnología geoespacial y modelos WMS en Abha, Arabia Saudí.
Artículo:
Contribución a la logística inversa mediante la implantación de la reutilización por medio de las redes de Petri