RT info:eu-repo/semantics/bachelorThesis
T1 Diagnóstico de fallos de rodamientos en motores de inducción en estado estacionario mediante técnicas boosting y redes neuronales
A1 Astorgano Antón, Manuel
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Motores de inducción
K1 Boosting
K1 Redes neuronales
AB Los motores de inducción están presentes en la mayoría de procesos industriales. Como todocomponente mecánico, dichos motores están sujetos a averías. Debido a los grandes costes deinspección y reparación, surge la necesidad de monitorizar los motores para detectar fallos demanera no invasiva, es decir, sin intervenir en su funcionamiento. El análisis de la corriente, elsonido y las vibraciones que genera el motor resultan útiles para la detección de fallos.En este trabajo se plantea un problema de clasificación de fallos en rodamientos de motores deinducción en estado estacionario analizando los datos asociados a las frecuencias característicasde dichos fallos. Se cuenta con conjuntos de datos basados en la señal eléctrica, el sonido y lasvibraciones de los motores que permiten clasificarlos en seis estados en función de su nivel dedeterioro.Para resolver el problema de la clasificación se utilizan técnicas de inteligencia artificial modernascomo son el boosting o las redes neuronales junto con metodología estadística. Estopermite determinar la influencia de distintos factores que afectan a la precisión de la detecciónde fallos. Además, se explora la interpretabilidad de los modelos obtenidos, permitiendo obtenerlas variables más importantes a la hora de clasificar así como la influencia de sus valores.Finalmente, se obtienen conclusiones interesantes como que el uso de estadísticos de orden superior,el boosting de árboles de decisión o el conjunto de datos de señal eléctrica generan losdiagnósticos de deterioro del motor más precisos.
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/57935
UL https://uvadoc.uva.es/handle/10324/57935
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 16-jun-2024