2026-04-28T19:25:01Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/38122021-06-23T16:53:40Zcom_10324_30605com_10324_894col_10324_41
Moríñigo Sotelo, Daniel
Duque Pérez, Óscar
Gardel Sotomayor, Pedro Esteban
Universidad de Valladolid. Escuela de Ingenierías Industriales
2013-11-08T09:47:38Z
2013-11-08T09:47:38Z
2013
http://uvadoc.uva.es/handle/10324/3812
b1661169
10.35376/10324/3812
En esta tesis se desarrolla y valida una metodología de diagnóstico de fallos en motores de inducción mediante el uso combinado de técnicas estadísticas y Redes Neuronales Artificiales. Se utilizó la corriente estatórica como señal indicativa de fallo. La avería considerada fue la rotura de barras, realizándose exhaustivas pruebas en dos motores distintos, con tres variadores de frecuencia diferentes y a niveles de carga del motor que van desde vacio a plena carga.
Se emplearon características estadísticas del dominio del tiempo y características del dominio de la frecuencia obtenidas mediante las transformadas de Fourier y Hilbert (módulo de la señal analítica). Para reducir la dimensionalidad de los datos de entrada se empleó un análisis de correlación simple y Análisis Discriminante. Para validar la metodología propuesta se comparo con técnicas de clasificación clásicas como el Análisis Discriminante y la Regresión Logística, comprobándose el mejor rendimiento de la metodología propuesta.
Departamento de Ingeniería Energética y Fluidomecánica
application/pdf
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/3.0/
Attribution-NonCommercial-NoDerivs 3.0 Unported
Motores de inducción
Redes neuronales (Informática)
Análisis discriminante
Aportaciones al mantenimiento predictivo de motores de inducción mediante una metodología de diagnóstico basada en el uso combinado de técnicas estadísticas y redes neuronales artificiales
info:eu-repo/semantics/doctoralThesis