Please use this identifier to cite or link to this item:
http://repositorio.ugto.mx/handle/20.500.12059/5712
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.rights.license | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
dc.contributor | SERGIO EDUARDO LEDESMA OROZCO | es_MX |
dc.creator | ANGEL DE JESÚS AGUILAR PUENTE | es_MX |
dc.date.accessioned | 2022-03-04T17:06:45Z | - |
dc.date.available | 2022-03-04T17:06:45Z | - |
dc.date.issued | 2021-09 | - |
dc.identifier.uri | http://repositorio.ugto.mx/handle/20.500.12059/5712 | - |
dc.description.abstract | Este trabajo de tesis describe la importancia de la detección temprana de fallas en motores eléctricos de inducción, además de las técnicas de análisis tradicionales y una propuesta utilizando redes neuronales artificiales. Se investigaron las fallas eléctricas más comunes que pueden presentar los motores eléctricos de inducción. De tal manera se diseño una red neuronal en el software Neural Lab que fuera capas de detectar las fallas que este presentando el motor eléctrico de inducción. Adicionalmente en este trabajo se implementó la técnica tradicional por sus siglas en inglés (Motor Current Signature Analysis MCSA) para la detección de fallas eléctricas de motores de inducción. Se diseñó una red neuronal artificial capas de analizar los datos en el dominio del tiempo y en el dominio de la frecuencia, además, se diseñó el clasificador Support Vector Machine (SVM) en el dominio del tiempo para comparar los resultados obtenidos por la red neuronal y el SVM. Se puede concluir que con la elaboración de este trabajo de tesis se tendrá un sistema de monitoreo óptimo implementando redes neuronales en la detección de fallas de motores eléctricos de inducción. Por lo que será de gran ayuda para las industrias que utilicen estos tipos de máquinas eléctricas ya que podrán monitorear su comportamiento antes de que presenten una falla. | es_MX |
dc.language.iso | spa | es_MX |
dc.publisher | Universidad de Guanajuato | es_MX |
dc.rights | info:eu-repo/semantics/openAccess | es_MX |
dc.subject.classification | CIS- Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales) | es_MX |
dc.title | Sistema de monitoreo para la detección de fallas en motores de inducción | es_MX |
dc.type | info:eu-repo/semantics/masterThesis | es_MX |
dc.creator.id | info:eu-repo/dai/mx/cvu/1007465 | es_MX |
dc.subject.cti | info:eu-repo/classification/cti/7 | es_MX |
dc.subject.cti | info:eu-repo/classification/cti/33 | es_MX |
dc.subject.cti | info:eu-repo/classification/cti/3306 | es_MX |
dc.subject.keywords | Motores eléctricos de inducción – Detección de fallas | es_MX |
dc.subject.keywords | Redes neuronales artificiales – Diseño | es_MX |
dc.subject.keywords | Neural Lab (Programa de computadora) | es_MX |
dc.subject.keywords | MCSA (Análisis de la Señal de Corriente del Motor) | es_MX |
dc.subject.keywords | Induction electric motors – Troubleshooting | en |
dc.subject.keywords | Artificial Neural Networks – Design | en |
dc.subject.keywords | Neural Lab (Software) | en |
dc.subject.keywords | MCSA (Motor Current Signature Analysis) | en |
dc.contributor.id | info:eu-repo/dai/mx/cvu/123351 | es_MX |
dc.contributor.role | director | en |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_MX |
dc.contributor.two | ADRIAN GONZALEZ PARADA | es_MX |
dc.contributor.idtwo | info:eu-repo/dai/mx/cvu/35048 | es_MX |
dc.contributor.roletwo | director | en |
dc.description.abstractEnglish | This thesis work describes the importance of early fault detection in induction electric motors. In addition, traditional análisis techniques and a proposal using artificial neural networks (ANN). The most common electrical faults that can occur in induction electric motors were investigated. In such a way, a ANN was designed in the Neural Lab software, that was able to detect the faults that the electric induction motor is presenting. In addition, in this work the traditional Motor Current Signature Analysis technique was implemented for the detection of electrical failure of induction motors. A neural network capable of analyzing data in the time domain and in the frequency domain was designed. Likewise, the Support Vector Machine (SVM) classifier was designed in the time domain to compare the results obtained by the ANN and the SVM. It can be concluded that, with the elaboration of this thesis work, an optimal monitoring system will be implemented by implementing ANN in the detection of induction electric motor failures. Therefore, it will be of great help to the industries that use these types of electrical machines, as they will be able to control its behavior before it presents a failure. | en |
Appears in Collections: | Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ANGEL DE JESÚS AGUILAR PUENTE_Tesis24.pdf | 1.92 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.