Diagnóstico de fallos en motores asíncronos mediante técnicas de softcomputing

• Autores: Eduardo Julio Moya de la Torre
• Directores de la Tesis: María Jesús de la Fuente Aparicio (dir. tes.), José Ramón Perán González (codir. tes.)
• Lectura: En la Universidad de Valladolid ( España ) en 2005
• Idioma: español
• Tribunal Calificador de la Tesis: César de Prada Moraga (presid.), G.I. Sáinz (secret.), Juan Luis Castro Peña (voc.), José Carpio Ibáñez (voc.), Pastora Isabel Vega Cruz (voc.)
• Materias:
  • Ciencias tecnológicas
    • Ingeniería y tecnología eléctricas
      • Motores eléctricos
    • Tecnología industrial
• Texto completo no disponible (Saber más ...)
• Resumen

  • A medida que los sistemas y plantas industriales han ido alcanzando un grado de automatización más elevado, han aparecido al mismo tiempo nuevas tareas que los sistemas de control deben ser capaces de realizar para garantizar un comportamiento y unas prestaciones adecuadas. Una de las más importantes es el conocimiento de que, durante el funcionamiento, pueden aparecer fallos o producirse averías que, cuanto menos, originarán una merma en las prestaciones, incluso su paralización.

    El objetivo principal de este trabajo es el estudio de distintos tipos de metodologías de "Softcomputing" aplicadas a motores de corriente alterna trifásicos de jaula de ardilla para obtener un sistema de detección y diagnóstico de fallos. El estudio se realiza tanto sobre un sistema simulado que aplica técnicas matemáticas y redes neuronales como sobre una bancada real de motores en la cual se dispone de diversos sensores que permiten tomar medidas tanto eléctricas (tensión, intensidad) como mecánicas (velocidad de giro).

    Dentro de las técnicas de "Softcomputing" se engloban, entre otras, las redes neuronales, la lógica difusa y sistemas neurodifusos. Las redes neuronales artificiales tienen la capacidad de aprender el comportamiento de un sistema a partir de datos entrada/salida pero son incapaces de manejar, reproducir o explicar el conocimiento aprendido. En cambio, la lógica difusa implementa sistemas difusos que no tienen esa capacidad de aprendizaje pero sí una excelente manipulación y capacidad de expresión del conocimiento. Combinando estos dos campos (redes neuronales y lógica difusa) surgen los sistemas neurodifusos, que recogen las ventajas de ambos teniendo las capacidades de aprendizaje y de expresividad del conocimiento adquirido.

    Con el modelado neuronal y/o neurodifuso se evitan las complicaciones producidas por la modelización matemática de elementos constructivos del sistema eléctrico, ya que se considera a este