Metodología de detección de fallas de un motor síncrono

Autores/as

  • Yesenia Restrepo Chaustre Universidad Francisco de Paula Santander
  • José A. Becerra Vargas Universidad Francisco de Paula Santander
  • Aldo Pardo García Universidad de Pamplona

DOI:

https://doi.org/10.24054/rcta.v2i26.393

Palabras clave:

Motor síncrono, modelo matemático, detección de fallas, redes neuronales

Resumen

Este artículo se enmarca dentro del área de diagnóstico y detección de fallas en procesos industriales, enfocando su aplicación hacia los motores síncronos para identificar las fallas incipientes que afectan las principales ventajas de utilización de estos motores. En la actualidad, existen muchos métodos de detección y diagnóstico de fallas, pero esta investigación se enfoca en la detección de fallas por correlación y clasificación de las mismas utilizando redes neuronales artificiales.

Citas

Luna Moreno, H. “Pruebas y obtención de parámetros de la máquina síncrona”. Universidad Michoacana de San Nicolás de Hidalgo. México. 2008.

Aller, J. M. Conversión de energía eléctrica. Universidad Simón Bolívar. 2009.

M. Cisneros. M. A. Arjona. F.S Sellschopp. Identificación paramétrica de un generador síncrono a partir de la prueba de escalón de voltaje. Científica, Vol. 14, No. 1. pp. 33-39. Enero - Marzo, 2010.

Hernandez Cely, M. M. “Estudio para detección y diagnóstico de fallas en el proceso del generador de vapor de la central termoeléctrica trmotasajero colgener”. 2010.

Rubio Ávila, J. Modelado y control para una clase de sistemas no lineales desconocidos en tiempo discreto. 2007.

Gertler, J. J. Fault Detection and Diagnosis in Engineering Systems. New York: Marcel Dekker. 1998.

Fraile Mora, J. Máquinas Eléctricas. Quinta Edición. Mc Graw Hill. 2003.

Chapman, S. J. Máquinas Eléctricas. Cuarta Edición. Mc Graw Hill. 2005

Chow, M. Y.; Sharpe, R. N. and Hung, J. C. On the Application and Design of Artificial Neural Networks for Motor Fault Detection-Part I. IEEE Transactions on Industrial Electronics, Vol. 40. No. 2. April. 1993.

Cuevas Silva, O. Diagnóstico de fallas en un sistema no lineal empleando redes neuronales, México, 2009.

Aller, J. M. Universidad Simón Bolívar. Máquinas eléctricas rotativas: Introducción a la teoría general. Editorial Equinoccio, 2008.

Santos H., A. M. y Gómez R., C. A. Validación del modelo DQ0 de la máquina síncrona para estudios de transitorios electromagnéticos, 2010.

Pérez Londoño, A. M. y Romero R., Y. A. Medición indirecta de algunos parámetros de la máquina síncrona a partir de la medida del ángulo par, 2007.

Ohm, D. Y. Dynamic model of PM synchronous motors. Drivetech, Inc, Blacksburg, Virginia.

Korbics J., P. K. Artificial Neural Network to fault diagnosis. Wydawnictwa Naucowo- Techniezne WNT, Polonia, 2002.

Arafet P., P.; Chang M., F.; Torres A., M.; Dominguez A., H. Métodos de identificación dinámica, Universidad de Oriente, Junio, 2008.

Norgaard, M. Neural Networks for modelling and control of Dynamic Systems. Springer, Glasgow, Scotland, U.K., 2000.

Ruz-Hernández; J. A., Sánchez, E. N.; Suárez, D. A. Neural Network-based Scheme for Fault Diagnosis in Fossil Electric Power Plants, Proceedings of International Joint Conference on Neural Networks, Montreal, Canada, July 31 – August 4, 2005.

Kwok-Wai, L. Phase-domain synchronous generator model for transients simulation, April, 1995.

Descargas

Publicado

2021-01-13 — Actualizado el 2015-07-02

Versiones

Cómo citar

Restrepo Chaustre, Y. ., Becerra Vargas, J. A. ., & Pardo García, A. . (2015). Metodología de detección de fallas de un motor síncrono. REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA), 2(26), 137–144. https://doi.org/10.24054/rcta.v2i26.393 (Original work published 13 de enero de 2021)

Número

Vol. 2 Núm. 26 (2015): Julio – Diciembre

Sección

Artículos

Licencia

Derechos de autor 2015 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores que publiquen en esta revista aceptan las siguientes condiciones:

  1. Los autores conservan los derechos morales de autor y otorgan a la revista el derecho de la primera publicación del trabajo. Este trabajo se licencia bajo la Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0 DEED), que permite a terceros utilizar el trabajo siempre que se dé crédito adecuado a los autores y a la primera publicación en esta revista. No se permite el uso comercial de la obra y no se pueden crear obras derivadas.

  2. Los autores pueden celebrar acuerdos contractuales adicionales e independientes para la distribución no exclusiva de la versión del artículo publicado en esta revista (por ejemplo, incluirlo en un repositorio institucional o publicarlo en un libro), siempre que se indique claramente que el trabajo se publicó por primera vez en esta revista.

  3. Se permite y se recomienda a los autores publicar su trabajo en Internet (por ejemplo, en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado.

Artículos más leídos del mismo autor/a