Please use this identifier to cite or link to this item: http://repositorio.ugto.mx/handle/20.500.12059/390
Full metadata record
DC FieldValueLanguage
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.creatorYULIMAR LORENA ROA TERANes_MX
dc.date2017-11-
dc.date.accessioned2018-08-14T16:59:46Z-
dc.date.available2018-08-14T16:59:46Z-
dc.date.issued2017-11-
dc.identifier.urihttp://www.repositorio.ugto.mx/handle/20.500.12059/390-
dc.description.abstractLos motores de inducción son partes esenciales de la industria. La fiabilidad y disponibilidad de estas máquinas eléctricas se pueden mejorar significativamente mediante la instalación de sistemas de diagnóstico que supervisen la condición de trabajo en dichos dispositivos. Debido a esto, la detección temprana de fallas de motores de inducción ha sido una tarea de constante investigación en el área de procesamiento digital de señales. Por lo general, el diagnóstico se realiza analizando señales de vibración del motor en estado estacionario o durante el transitorio de arranque. Esta investigación propone una metodología basada en el método de descomposición de señales llamado descomposición empírica de modos por conjuntos completos (\textit{complete ensemble empirical mode decomposition,} CEEMD) y entropía de información para la detección de fallas en motores de inducción a través del análisis de señales de vibración. La metodología propuesta consta de varios pasos. En primer lugar, se utiliza la CEEMD para descomponer las señales en varias funciones de modo intrínseco. Posteriormente, se realiza un proceso de extracción de características, a través de parámetros estadísticos y de complejidad. Finalmente, se entrenan tres algoritmos de clasificación para determinar cuál de ellos es mejor para identificar la condición de operación del motor de inducción. Esta metodología se desarrolló utilizando un software matemático y se validó mediante el uso de señales de vibración reales. Los resultados del uso de la metodología propuesta muestran que puede utilizarse para detectar fallas de barra rota, defecto en rodamientos y desbalance de carga.es_MX
dc.language.isospaes_MX
dc.rightsinfo:eu-repo/semantics/openAccesses_MX
dc.subject.classificationCIS- Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales)es_MX
dc.titleAnálisis de funciones modales usando entropía para la detección de fallas en motores de inducciónes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.creator.idinfo:eu-repo/dai/mx/curp/ROTY911021MNEXRL00es_MX
dc.subject.ctiinfo:eu-repo/classification/cti/33es_MX
dc.subject.keywordsCiencias Tecnológicases_MX
dc.subject.keywordsIngeniería y tecnología eléctricases_MX
dc.subject.keywordsMotores eléctricoses_MX
dc.contributor.roleanalistaes_MX
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_MX
dc.contributor.oneDAVID CAMARENA MARTINEZes_MX
dc.contributor.idoneinfo:eu-repo/dai/mx/curp/CAMD860514HGTMRV00es_MX
dc.contributor.roleonedirectores_MX
dc.contributor.roletwoanalistaes_MX
dc.contributor.rolethreeanalistaes_MX
dc.contributor.rolefouranalistaes_MX
dc.contributor.rolefiveanalistaes_MX
dc.contributor.rolesixanalistaes_MX
dc.publisher.universityUniversidad de Guanajuatoes_MX
dc.description.abstractEnglishInduction motors are essential parts of the industry. The reliability and availability of these electrical machines can be significantly improved by the installation of diagnostic systems that monitor the working condition in these devices. Because of this, early detection of induction motor failures has been a constant research task in the area of ​​digital signal processing. In general, the diagnosis is made by analyzing engine vibration signals in steady state or during the start transient. This research proposes a methodology based on the method of decomposition of signals called empirical decomposition of modes by complete sets (\ textit {complete ensemble empirical mode decomposition,} CEEMD) and entropy of information for the detection of faults in induction motors through the Analysis of vibration signals. The proposed methodology consists of several steps. In the first place, the CEEMD is used to decompose the signals into several functions in an intrinsic way. Later, a process of extraction of characteristics is carried out, through statistical and complexity parameters. Finally, three classification algorithms are trained to determine which one is best for identifying the operating condition of the induction motor. This methodology was developed using mathematical software and validated by the use of real vibration signals. The results of the use of the proposed methodology show that it can be used to detect broken rod failures, bearing faults and load imbalance.es_MX
Appears in Collections:Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales)

Files in This Item:
File Description SizeFormat 
145572.pdf6.55 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.