Metodología para detección de falla de aislamiento en motores de inducción mediante FPGA

Israel Zamudio Ramírez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Roque Alfredo Osornio Ríos	es_ES
dc.contributor	Arturo Yosimar Jean Cuellar	es_ES
dc.contributor	Miguel Trejo Hernández	es_ES
dc.contributor	René de Jesús Romero Troncoso	es_ES
dc.contributor	José Alfonso Antonio Daviu	es_ES
dc.creator	Israel Zamudio Ramírez	es_ES
dc.date	2019-06-03
dc.date.accessioned	2024-03-08T13:38:19Z
dc.date.available	2024-03-08T13:38:19Z
dc.date.issued	2019-06-03
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/10235
dc.description	Debido a su robustez, simplicidad y confiabilidad, los motores de inducción son elementos ampliamente utilizados a nivel industrial al cumplir con una elevada cantidad de tareas como dispositivos de conversión de energía. Sin embargo, este tipo de motores son susceptibles a diversas fallas, siendo aquellas relacionadas con el aislamiento una de las más frecuentes, hecho que se atribuye a problemas incipientes en los aislamientos debido al desgaste y envejecimiento de estos, que, de no ser atendidos a tiempo, pueden finalizar en fallas catastróficas más severas causando daños irreversibles al motor en cuestión de minutos y, en ciertos casos, en cuestión de segundos. Debido a la gran importancia que representa un diagnóstico oportuno al tratar con este tipo de fallas, en el presente trabajo de investigación se presenta una metodología novedosa para realizar el diagnóstico y estimación del estado del aislamiento de un motor de inducción de forma no invasiva y en línea. Para lograrlo, se explora el campo magnético externo capturado por un sensor de bobina instalado en el marco del motor, y se analiza mediante técnicas de procesamiento de señal avanzadas, específicamente herramientas de descomposición tiempo-frecuencia (TFD, Time Frequency Decomposition). La metodología propuesta aquí, consta esencialmente de tres etapas: la aplicación de la transformada wavelet discreta (DWT) a las señales capturadas por el sensor de bobina, la obtención de un indicador de la gravedad del fallo calculando la entropía wavelet de las señales resultantes de la DWT, y finalmente, la estimación automática del estado en el aislamiento mediante una red neuronal artificial (RNA). Por otro lado, para ofrecer un monitoreo constante y en línea se desarrollan y se describen las arquitecturas digitales que describen cada una de las etapas de la metodología propuesta para poder ser implementadas mediante hardware, generando así un sistema en chip (SoC) de bajo costo y con elevadas prestaciones de portabilidad y tiempos de procesamiento reducidos. Los resultados obtenidos muestran que la metodología es capaz de ofrecer undiagnósticooportunoafallasincipientesenlosaislamientosdeunmotordeinducción con la ventaja de ser un método no invasivo, de fácil implementación y robusto ante la presencia de otras fallas. Además, se demuestra que es posible automatizar el diagnóstico empleando métodos de clasificación de datos como lo es una RNA.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ciencias Físico Matemáticas y Ciencias de la Tierra	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Ingeniería y Tecnología Eléctricas	es_ES
dc.title	Metodología para detección de falla de aislamiento en motores de inducción mediante FPGA	es_ES
dc.type	Tesis de maestría	es_ES
dc.contributor.role	Director	es_ES
dc.contributor.role	Secretario	es_ES
dc.contributor.role	Vocal	es_ES
dc.contributor.role	Suplente	es_ES
dc.contributor.role	Suplente	es_ES
dc.degree.name	Maestría en Ciencias Mecatrónica	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES