Título :	Sistema de visión artificial para el monitoreo de motores de inducción eléctrica y la cadena cinemática mediante termografía infrarroja
Autor(es):	Emmanuel Resendiz Ochoa
Palabras clave:	Monitoreo de condiciones Termografía infrarroja Motoeres de inducción Análisis termal Análisis de fallas
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	27-jul-2020
Facultad:	Facultad de Ingeniería
Programa académico:	Doctorado en Mecatrónica
Resumen:	Las estrategias de monitoreo de condición y evaluación de fallas juegan un papel importante para garantizar la disponibilidad del motor de inducción en el proceso industrial; a este respecto, es deseable que la mayoría de los motores de inducción sean monitoreados por diferentes sensores para garantizar la integridad del equipo industrial. Sin embargo, las principales técnicas utilizadas para el análisis de fallas en los motores de inducción son limitadas porque no son capaces de detectar todas las fallas presentes en un motor de inducción, lo que provoca un tiempo de inactividad no deseado con pérdidas financieras significativas y esfuerzos humanos. Hoy en día, la detección no invasiva representa una herramienta adecuada para llevar a cabo el monitoreo de condición y la evaluación de fallas de equipos industriales en condiciones de operación continua. Una técnica complementaria que ayuda en el diagnóstico de fallas en motores de inducción es la termografía infrarroja que tiene la característica de instalarse fuera de la maquinaria o del proceso industrial bajo evaluación. Esta tesis propone una nueva metodología no invasiva para el diagnóstico y clasificación de diferentes fallas en el motor de inducción y cadena cinemática a través del análisis térmico con imágenes infrarrojas. La novedad del método propuesto incluye el procesamiento de imágenes para la segmentación automática de las regiones caliente presentes en la imagen termográfica, el cálculo de características estadísticas en el dominio del tiempo a partir de imágenes infrarrojas, la consideración de una etapa de reducción de dimensionalidad por medio del análisis discriminante lineal y el diagnóstico automático de fallas realizado por una red neuronal artificial. El método propuesto se evalúa bajo un conjunto de datos de laboratorio experimental, que se compone del análisis de fallas de cinco condiciones en el motor de inducción y la cadena cinemática: saludable, una barra rota del rotor, daño del rodamiento, desalineación y severidad de desgaste uniforme en engranajes (25%, 50% y 75% de desgaste uniforme). Los resultados obtenidos representan un diagnóstico de falla de alto rendimiento para la evaluación de un motor de inducción y la cadena cinemática bajo diferentes condiciones de operación.
URI:	http://ri-ng.uaq.mx/handle/123456789/2250
Aparece en:	Doctorado en Mecatrónica

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.