• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo UVaDOCComunidadesPor fecha de publicaciónAutoresMateriasTítulos

    Mi cuenta

    Acceder

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Grado UVa
    • Ver ítem
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Grado UVa
    • Ver ítem
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/47247

    Título
    Detección de anomalías en un motor eléctrico mediante inteligencia computacional
    Autor
    Vargas Fernández, Álvaro
    Director o Tutor
    Sáinz Palmero, Gregorio IsmaelAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela de Ingenierías IndustrialesAutoridad UVA
    Año del Documento
    2021
    Titulación
    Grado en Ingeniería Eléctrica
    Resumen
    Este trabajo tiene como objetivo principal diseñar una metodología de diagnóstico de fallos aplicando Inteligencia Computacional (IC) y Machine Learning capaz de detectar y diagnosticar los modos de funcionamiento y fallos de un motor trifásico de corriente alterna a partir de la información sobre tensión, intensidad y par motor recogida a través de los diferentes sistemas de medición del motor. Se emplearán Redes Neuronales Artificiales (RNA), Sistemas Neurodifusos y toma de decisiones basada en OWA-RIM.
     
    The main objective of this work is to design a fault diagnosis methodology using Computational Intelligence (CI) and Machine Learning capable of detecting and diagnosing the operating modes and faults of a three-phase AC motor from the information on voltage, current and torque collected through the different measurement systems of the motor. Artificial Neural Networks (ANN), Neuro-Fuzzy Systems and OWA-RIM-based decision making will be used
    Materias Unesco
    3306.03 Motores Eléctricos
    Palabras Clave
    Inteligencia computacional
    Aprendizaje automático
    Detección de fallos
    Diagnóstico de fallos
    Toma de decisiones
    Departamento
    Departamento de Ingeniería de Sistemas y Automática
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/47247
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30858]
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    Nombre:
    TFG-I-1859.pdf
    Tamaño:
    2.948Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10