Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas

Este proyecto se centra en la detección y diagnóstico de fallas para engranajes en máquinas rotativas, partiendo desde el diseño y construcción mecánica de tres kits para evaluar una condición en estado normal y dos condiciones de falla: desgaste y diente roto, hasta la clasificación y diagnóstico d...

Full description

Autores:
Delgado Barrera, María Angélica
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/12162
Acceso en línea:
http://hdl.handle.net/20.500.12749/12162
Palabra clave:
Mechatronic
Gear failure
Rotary machines
Safety factor in engineering
Electrical machinery
Wheels
Power transmission
Condition monitoring
Misalignment
Mecatrónica
Factor de seguridad en ingeniería
Maquinaria eléctrica
Ruedas
Transmisión de potencia
Fallas engranajes
Máquinas rotativas
Monitoreo de condición
Desalineación
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:Este proyecto se centra en la detección y diagnóstico de fallas para engranajes en máquinas rotativas, partiendo desde el diseño y construcción mecánica de tres kits para evaluar una condición en estado normal y dos condiciones de falla: desgaste y diente roto, hasta la clasificación y diagnóstico de estas mediante un algoritmo de redes neuronales. Se seleccionó LabVIEW para el diseño e implementación de la interfaz de adquisición de las señales en el dominio del tiempo; así mismo, se diseñó un protocolo de pruebas para la extracción de las características de cada condición y proceder con su clasificación. Con el fin de garantizar un correcto análisis de las señales, se realizaron múltiples mediciones en el plano XY; de estas mediciones se seleccionó el 60 % del total de datos de cada condición para el entrenamiento de la red neuronal. Se implementaron dos tipos de red neuronal: Adaline y multilayer perceptrón, esto con el fin de comparar cual de las dos estrategias se ajustaba mejor a esta problemática en cuanto a porcentaje de clasificación en la etapa de validación.