Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico

• Main Authors: Alejandro Rivera Roldán, Miguel Alberto Becerra Botero, Jaime Alberto Guzmán Luna
• Format: Article
• Language: Spanish
• Published: Universidad Distrital Francisco Jose de Caldas 2015-04-01
• Series: Tecnura
• Online Access: http://revistas.udistrital.edu.co/ojs/index.php/Tecnura/article/view/8355
• ISSN: 2248-7638; 0123-921X

<p align="justify">En este artículo se presenta un análisis de vibraciones en motores de inducción por medio de Modelos Ocultos de Markov (Hidden Markov Model - HMM) aplicado a características obtenidas de la Descomposición de Modo Empírico (Empirical Mode Decomposition - EMD) y transformada de Hilbert-Huang de señales de vibración obtenidas en las coordenadas <em>x</em> y <em>y, </em>con el fin de detectar fallas de funcionamiento en rodamientos y barras.  Además se presenta un análisis comparativo de la capacidad de las señales de vibración en dirección <em>x</em> y en dirección <em>y,</em> para aportar información en la detección de fallas. Así, un HMM ergódico inicializado y entrenado por medio del algoritmo de máxima esperanza, con convergencia en 10e-7 y un máximo de iteraciones de 100, se aplicó sobre el espacio de características y su desempeño fue determinado mediante validación cruzada 80-20 con 30 <em>fold,</em> obteniendo un alto desempeño para la detección de fallas en términos de exactitud.</p>