Desarrollo e implementación FPGA de metodología basada en tiempo, tiempo-frecuencia y aprendizaje automático para diagnóstico de fallos en motores eléctricos

Alvaro Iván Alvarado Hernández

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	Israel Zamudio Ramírez	es_ES
dc.contributor	Irving Armando Cruz Albarrán	es_ES
dc.contributor	Geovanni Díaz Saldaña	es_ES
dc.contributor	José Alfonso Antonino Daviú	es_ES
dc.creator	Alvaro Iván Alvarado Hernández	es_ES
dc.date.accessioned	2024-06-11T15:58:19Z
dc.date.available	2024-06-11T15:58:19Z
dc.date.issued	2024-04-01
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/10738
dc.description	En este trabajo se implementaron algoritmos en una tarjeta de desarrollo con unidad lógica FPGA (Field Programmable Gate Array, arreglo de puertas lógicas programables en campo) para el diagnóstico de fallos en motores eléctricos. La metodología estuvo basada en el procesamiento de señales de corriente eléctrica a través de la aplicación de técnicas en el dominio del tiempo y técnicas en el dominio tiempo-frecuencia. Además, el análisis de termogramas infrarrojos se realizó mediante técnicas de procesamiento de imágenes. El sistema procesó los parámetros de ambos tipos de señal con técnicas de aprendizaje automático (también conocido como Machine Learning). El desarrollo del sistema de diagnóstico se hizo con implementaciones digitales en hardware utilizando una tarjeta Xilinx PYNQ Z2 que integra un FPGA junto a un microprocesador, aprovechando así las ventajas de la adquisición y procesamiento de señales e imágenes digitales en hardware. La adquisición y procesamiento de las señales de corriente eléctrica y las imágenes termográficas se realizó con el desarrollo en hardware de componentes digitales, permitiendo la aplicación de algoritmos supervisados de clasificación por aprendizaje automático para el diagnóstico automático del estado de fallo en los motores eléctricos estudiados.	es_ES
dc.format	pdf	es_ES
dc.format.extent	1 recurso en línea (86 páginas)	es_ES
dc.format.medium	computadora	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	Si	es_ES
dc.rights	openAccess	es_ES
dc.subject	FPGA	es_ES
dc.subject	Motor eléctrico	es_ES
dc.subject	Diagnóstico	es_ES
dc.subject	Termografía	es_ES
dc.subject	Machine learning	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Desarrollo e implementación FPGA de metodología basada en tiempo, tiempo-frecuencia y aprendizaje automático para diagnóstico de fallos en motores eléctricos	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	CVU	es_ES
dc.creator.identificador	AAHA980818HQTLRL03	es_ES
dc.contributor.identificador	161134	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
dc.format.support	recurso en línea	es_ES
dc.matricula.creator	263768	es_ES
dc.folio	IGMAC-263768	es_ES