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/
id UNAB2_eb7bcfed9582f8533c9fd8ea67b07f20
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/12162
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
dc.title.translated.spa.fl_str_mv Design and construction of test kits for diagnose rotary machine gear failures
title Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
spellingShingle Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
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
title_short Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
title_full Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
title_fullStr Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
title_full_unstemmed Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
title_sort Diseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas
dc.creator.fl_str_mv Delgado Barrera, María Angélica
dc.contributor.advisor.spa.fl_str_mv Maradey Lázaro, Jessica Gissella
dc.contributor.author.spa.fl_str_mv Delgado Barrera, María Angélica
dc.contributor.cvlac.*.fl_str_mv https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000040553
dc.contributor.scopus.*.fl_str_mv https://www.scopus.com/authid/detail.uri?authorId=57207878442
dc.contributor.researchgate.*.fl_str_mv https://www.researchgate.net/profile/Jessica_Maradey_Lazaro
dc.subject.keywords.eng.fl_str_mv Mechatronic
Gear failure
Rotary machines
Safety factor in engineering
Electrical machinery
Wheels
Power transmission
Condition monitoring
Misalignment
topic 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
dc.subject.lemb.spa.fl_str_mv Mecatrónica
Factor de seguridad en ingeniería
Maquinaria eléctrica
Ruedas
Transmisión de potencia
dc.subject.proposal.spa.fl_str_mv Fallas engranajes
Máquinas rotativas
Monitoreo de condición
Desalineación
description 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.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-02-08T19:58:20Z
dc.date.available.none.fl_str_mv 2021-02-08T19:58:20Z
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Trabajo de Grado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/12162
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/12162
identifier_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
reponame:Repositorio Institucional UNAB
repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv [1] Fco. J. Sanz Corretge. 2007. Diagnosis de modos de fallo en máquinas rotativas mediante técnicas basadas en redes neuronales artificiales y en la transformación con ondículas.
[2] Nieto, J., Niño, A., 2013, “Diseño y Construcción de un Banco de Pruebas de Vibraciones Mecánicas que Reproduzca Tres Fallas Características: Desalineamiento, Desbalanceo y Paso de Dientes”, BSc. Thesis,Universidad Industrial de Santander, Col.
[3] P.D. McFadden, J. Wang. 1992. Analysis of gear vibration signature by the weighted Wigner-Ville distribution. Institute of Mechanical Engineers International Conference on Vibrations in Rotating machinery 387-393
[4] L. K. Jones. 1990. Constructive approximations for neural networks by sigmoidal functions. Proceedings of the IEEE 78, 1586-1589,
[5] G. Dalpiaz. 1990. Early detection of fatigue cracks in gears by vibrations analysis techniques. Österreichische Ingenieur und Architekten Zeitschrift (ÖIAZ) 135, 312-317,
[6] Castañeda, M., 2014, “Diagnóstico de Fallas en Maquinaria Rotativa por Análisis de Vibraciones Basado en Máquinas de Soporte Vectorial”, BSc. Thesis, Universidad Industrial de Santander, Col.
[7] Mundarain, C., 2009, “Diseño de un Programa de Mantenimiento Basado en Condición, enfocado a la Mejora de la Efectividad de los Activos Rotativos”, BSc. Thesis, Universidad de Oriente Núcleo Anzoátegui, VEN.
[8] Wilson Q. Wang, Fathy Ismail, M. Farid Golnaraghi. 2001. Assesment of gear damage monitoring techniques using vibration measurements. Mechanical Systems and Signal Processing, 15(5), 905-922,
[9] R. H. Lyon. 1987. Machinery noise and diagnostics. Butterworths, Boston,
[10] G. A. Fontaine, E. E. E. Frietman, R. P.W. Duin. 1996. Preventive and predictive maintenance using neural networks. J. Microelectric Systems integration, Volume 4,Nº2,
[11] J. Derek Smith. 2003.Gear noise and vibration. Marcel Dekker. New York.
[12] L. P. Niklas and A. Jan-Olov, 2008. “Whirling frequencies and amplitudes due to deviations of generator shape,” International Journal of Non-Linear Mechanics, vol. 43, pp. 933–940,
[13] A. Tenhunen, June 2001 “Finite-element calculation of unbalanced magnetic pull and circulating current between parallel windings in induction motor with non-uniform eccentric rotor,” in Proceedings of Electromotion 01, Bologna, Italy, pp. 19 – 24.
[14] A. Arkkio, 1997 “Unbalanced magnetic pull in cage induction motors with asymmetry in rotor structures,” in Proc. Eighth International Conference on (Conf Electrical Machines and Drives Publ. No. 444), pp. 36–40.
[15] S. Ayari, M. Besbes, M. Lecrivain, and M. Gabsi, 1999 “Effects of the airgap eccentricity on the srm vibrations,” in Proc. Electric Machines and Drives International Conference IEMD ’99, pp. 138–140
[16] A. Tenhunen, T. P. Holopainen, and A. Arkkio, 2003. “Impulse method to calculate the frequency response of the electromagnetic forces on whirling cage rotors,” IEE Proceedings -Electric Power Applications, vol. 150, no. 6, pp. 752–756,
[17] H. Rojas. Diseño de máquinas 2. Publicaciones UIS. Bucaramang
[18] H. Rojas. Rodamientos. Publicaciones UIS. Bucaramanga
[19] R. Norton. Diseño de máquinas. Ed. Prentice Hall.
[20] ,A. Machado, J. Moya, 2005 Principales Fallas En Las Transmisiones Por Engranajes
[21] Sinais, Control Industrial. www.sinais.es . Españ
[22] S. Nivelo, D. Romero. 2014 “Establecimiento De Una Base De Datos De Señales De Vibraciones Mecánicas Para Sistemas Mecánicos Rotativos Con La Combinación De Diferentes Tipos De Fallos Y Elaboración De Guías De Practices Para Detección De Fallos En Rodamientos
[23] A. Herrera, I. Jaimes. “Banco De Pruebas De Vibraciones Mecánicas Para Estudio De Fallas De Diente Roto, Excentricidad Y Desalineación En Engranajes Rectos”
[24] I. Jaimes, J. Quiroga. “Estudio Experimental De Fallas En Engranajes Rectos Por Desalineación, Excentricidad Y Diente Roto”
[25] F. Sanz. “Método Hibrido Para La Identificación De Fallas En Máquinas Eléctricas Rotativas Utilizando Señales De Vibración"
[26] J. Cadena, S. Perez. “Aplicación De Redes Neuronales Probabilísticas En La Detección De Fallas Incipientes En Máquinas Rotativa
[27] J. Maradey. 2016. “Banco Spectra”. Bucaramanga
28] M. Nasir, (1993, August) Time Series Modelling and Prediction Using Neural Networks. Masters thesis. Universiti Teknologi Mara.
[29] T. Koskela, M. Lehtokangas, J. Saarinen & K. Kaski.(1996, September) Time Series Prediction with Multilayer Perceptron, FIR and Elman Neural Netwo
[30] F. Villa, (2010, Octubre) Modelado y Predicción del Precio de la Electricidad en Mercados de Corto Plazo Liberalizados Usando Redes Cascada Correlación. Tesis de Maestría. Universidad Nacional de Colombia
[31] V. Ribeiro, Goldschmidt R. & Choren R., 2009. “Métodos para Previsão de Séries Temporais e suas Tendências de Desenvolvimento”, Monografías en Sistemas e Computação, 3, 1-26,
[32] BERNAL, J., PRIETO, A., LLANES, O., and GARCÍA, E. (2011). Estudio comparativo de clasificadores empleados en el diagnóstico de fallos de sistemas industriales. En: Ing. Mecánica, Vol.142, No. 2, p.87-98.
[33] HAGAN, M., DEMUTH, H., BEALE, M., and DE JESÚS, O. 2014. Neural network design 2a Edition. Universidad de Oklahoma
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 2.5 Colombia
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Colombia
dc.publisher.grantor.spa.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Mecatrónica
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/12162/1/2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/12162/2/2020_Licencia_maria_Angelica_Delgado_Barrera.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/12162/3/license.txt
https://repository.unab.edu.co/bitstream/20.500.12749/12162/4/2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf.jpg
https://repository.unab.edu.co/bitstream/20.500.12749/12162/5/2020_Licencia_maria_Angelica_Delgado_Barrera.pdf.jpg
bitstream.checksum.fl_str_mv 51f2bd36cda359ec1d9e08d8e7c23297
d3c52890d287896f48bedc20393aff73
8a4605be74aa9ea9d79846c1fba20a33
088503b5535e5f73af895501210f24fa
41c476f10258588e62dbd11f7a4d225a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1808410696897003520
spelling Maradey Lázaro, Jessica GissellaDelgado Barrera, María Angélicahttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000040553https://www.scopus.com/authid/detail.uri?authorId=57207878442https://www.researchgate.net/profile/Jessica_Maradey_LazaroColombia2021-02-08T19:58:20Z2021-02-08T19:58:20Z2020http://hdl.handle.net/20.500.12749/12162instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEste 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.Lista de FIGURAS ................................................................................................. 4 Lista de tablas ........................................................................................................ 6 1. INTRODUCCIÓN ............................................................................................ 7 2. MARCO TEÓRICO ......................................................................................... 8 2.1. MONITOREO DE CONDICIÓN ................................................................. 8 2.1.1. EJECUCIÓN DEL MONITOREO DE CONDICIÓN ............................. 8 2.1.2. OBJETIVOS DEL MONITOREO DE CONDICIÓN .............................. 9 2.1.3. TÉCNICAS DEL MONITOREO DE CONDICIÓN ................................ 9 2.2. FALLAS EN ENGRANAJES .................................................................... 10 2.2.1. DIENTE ROTO ................................................................................. 10 2.2.2. ENGRANAJE EXCÉNTRICO ........................................................... 10 2.2.3. DESALINEACIÓN ............................................................................ 11 2.3. ANÁLISIS Y DIAGNÓSTICO ................................................................... 12 2.4. DIAGNÓSTICO DE FALLAS POR REDES NEURONALES .................... 12 2.4.1. MODOS DE OPERACIÓN ................................................................ 13 3. OBJETIVOS .................................................................................................. 13 3.1. OBJETIVO GENERAL ............................................................................ 13 3.2. OBJETIVOS ESPECÍFICOS ................................................................... 13 4. ESTADO DEL ARTE ..................................................................................... 14 5. METODOLOGIA ........................................................................................... 17 6. DISEÑO ........................................................................................................ 20 6.1. PARÁMETROS DE DISEÑO .................................................................. 20 6.1.1. SELECCIÓN DE COMPONENTES .................................................. 20 6.2. CÁLCULOS MÉCANICOS ...................................................................... 21 6.2.1. DISEÑO DEL EJE ............................................................................ 21 6.2.2. DISEÑO DE LOS ENGRANAJES ..................................................... 22 6.2.3. SELECCIÓN DE ACOPLES ............................................................. 26 6.2.4. ANÁLISIS DE SECCIONES CRÍTICAS ............................................ 30 6.3. PIEZAS POR MECANIZAR ..................................................................... 32 6.4. MONTAJE PUESTA A PUNTO ............................................................... 34 6.4.1. ALINEAMIENTO DEL BANCO ......................................................... 35 6.5. SELECCIÓN DEL LENGUAJE DE PROGRAMACIÓN ........................... 35 7. PROTOCOLO DE PRUEBAS ....................................................................... 35 7.1. INTERFAZ EN LABVIEW ........................................................................ 36 7.1.1. MONTAJE GENERAL DE LA INSTRUMENTACIÓN ........................ 38 7.2. DISEÑO DEL PROTOCOLO ................................................................... 39 7.3. CALIBRACIÓN DEL SENSOR ................................................................ 40 7.4. TOMA DE DATOS .................................................................................. 41 7.5. ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA ................................. 41 7.5.1. CÁLCULO DE LA FRECUENCIA DEL ENGRANAJE ....................... 41 7.5.2. ANÁLISIS TEMPORAL ..................................................................... 42 8. DETECCIÓN Y CLASIFICACIÓN DE FALLAS EN ENGRANAJES............... 48 8.1. ADQUISICIÓN DATA .............................................................................. 49 8.2. PREPROCESAMIENTO DE DATOS ...................................................... 50 8.2.1. COEFICIENTES DE FOURIER ........................................................ 50 8.2.2. POWER SPECTRAL DENSITY (PSD) ............................................. 50 8.2.3. CROSS POWER SPECTRAL DENSITY (CPSD) ............................. 52 8.3. REDUCCIÓN DE CARACTERÍSTICAS .................................................. 54 8.3.1. ANÁLISIS DE COMPONENTES PRINCIPALES (PCA) .................... 54 8.3.2. ANÁLISIS DE CORRESPONDENCIAS (CA, RA) ............................. 54 8.3.3. ANÁLISIS DE CORRESPONDENCIAS SEGMENTADO (DCA) ....... 55 8.3.4. ESCALADO MULTIDIMENSIONAL NO METRICO (NMDS) ............. 55 8.4. CLASIFICACIÓN..................................................................................... 56 8.4.1. ADALINE .......................................................................................... 57 8.4.2. PERCEPTRON MULTILAYER (MLP) ............................................... 57 8.4.3. RED NEURONAL ADAPTATIVA NO LINEAL ................................... 59 9. VALIDACIÓN ................................................................................................ 60 9.1. DESEMPEÑO ......................................................................................... 61 9.1.1. DESEMPEÑO RED ADALINE .......................................................... 61 9.1.2. DESEMPEÑO MULTILAYER PERCEPTRON (MLP) ....................... 62 9.2. PORCENTAJES DE CLASIFICACIÓN .................................................... 63 9.2.1. CLASIFICACIÓN RED ADALINE...................................................... 63 9.2.2. CLASIFICACIÓN RED MULTILAYER (MLP) .................................... 65 9.3. TEST Y COMPARATIVO ........................................................................ 66 9.3.1. VALIDACIÓN RED ADALINE ........................................................... 66 9.3.2. VALIDACIÓN RED MULTILAYER (MLP) .......................................... 68 10. CONCLUSIONES ....................................................................................... 71 11. RECOMENDACIONES Y TRABAJOS FUTUROS ..................................... 72 12. BIBLIOGRAFIA .......................................................................................... 73 13. anexos ....................................................................................................... 76PregradoThis project focuses on the detection and diagnosis of failures for gears in rotating machines, starting from the design and mechanical construction of three kits to evaluate a condition in normal state and two conditions of failure: wear and broken tooth, to classification and diagnosis. of these using a neural network algorithm. LabVIEW was selected for the design and implementation of the time-domain signal acquisition interface; Likewise, a test protocol was designed to extract the characteristics of each condition and proceed with their classification. In order to guarantee a correct analysis of the signals, multiple measurements were made in the XY plane; From these measurements, 60% of the total data of each condition was selected for the training of the neural network. Two types of neural network were implemented: Adaline and multilayer perceptron, this in order to compare which of the two strategies best adjusted to this problem in terms of classification percentage in the validation stage.application/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaDiseño y construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativasDesign and construction of test kits for diagnose rotary machine gear failuresIngeniero MecatrónicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería Mecatrónicainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPMechatronicGear failureRotary machinesSafety factor in engineeringElectrical machineryWheelsPower transmissionCondition monitoringMisalignmentMecatrónicaFactor de seguridad en ingenieríaMaquinaria eléctricaRuedasTransmisión de potenciaFallas engranajesMáquinas rotativasMonitoreo de condiciónDesalineación[1] Fco. J. Sanz Corretge. 2007. Diagnosis de modos de fallo en máquinas rotativas mediante técnicas basadas en redes neuronales artificiales y en la transformación con ondículas.[2] Nieto, J., Niño, A., 2013, “Diseño y Construcción de un Banco de Pruebas de Vibraciones Mecánicas que Reproduzca Tres Fallas Características: Desalineamiento, Desbalanceo y Paso de Dientes”, BSc. Thesis,Universidad Industrial de Santander, Col.[3] P.D. McFadden, J. Wang. 1992. Analysis of gear vibration signature by the weighted Wigner-Ville distribution. Institute of Mechanical Engineers International Conference on Vibrations in Rotating machinery 387-393[4] L. K. Jones. 1990. Constructive approximations for neural networks by sigmoidal functions. Proceedings of the IEEE 78, 1586-1589,[5] G. Dalpiaz. 1990. Early detection of fatigue cracks in gears by vibrations analysis techniques. Österreichische Ingenieur und Architekten Zeitschrift (ÖIAZ) 135, 312-317,[6] Castañeda, M., 2014, “Diagnóstico de Fallas en Maquinaria Rotativa por Análisis de Vibraciones Basado en Máquinas de Soporte Vectorial”, BSc. Thesis, Universidad Industrial de Santander, Col.[7] Mundarain, C., 2009, “Diseño de un Programa de Mantenimiento Basado en Condición, enfocado a la Mejora de la Efectividad de los Activos Rotativos”, BSc. Thesis, Universidad de Oriente Núcleo Anzoátegui, VEN.[8] Wilson Q. Wang, Fathy Ismail, M. Farid Golnaraghi. 2001. Assesment of gear damage monitoring techniques using vibration measurements. Mechanical Systems and Signal Processing, 15(5), 905-922,[9] R. H. Lyon. 1987. Machinery noise and diagnostics. Butterworths, Boston,[10] G. A. Fontaine, E. E. E. Frietman, R. P.W. Duin. 1996. Preventive and predictive maintenance using neural networks. J. Microelectric Systems integration, Volume 4,Nº2,[11] J. Derek Smith. 2003.Gear noise and vibration. Marcel Dekker. New York.[12] L. P. Niklas and A. Jan-Olov, 2008. “Whirling frequencies and amplitudes due to deviations of generator shape,” International Journal of Non-Linear Mechanics, vol. 43, pp. 933–940,[13] A. Tenhunen, June 2001 “Finite-element calculation of unbalanced magnetic pull and circulating current between parallel windings in induction motor with non-uniform eccentric rotor,” in Proceedings of Electromotion 01, Bologna, Italy, pp. 19 – 24.[14] A. Arkkio, 1997 “Unbalanced magnetic pull in cage induction motors with asymmetry in rotor structures,” in Proc. Eighth International Conference on (Conf Electrical Machines and Drives Publ. No. 444), pp. 36–40.[15] S. Ayari, M. Besbes, M. Lecrivain, and M. Gabsi, 1999 “Effects of the airgap eccentricity on the srm vibrations,” in Proc. Electric Machines and Drives International Conference IEMD ’99, pp. 138–140[16] A. Tenhunen, T. P. Holopainen, and A. Arkkio, 2003. “Impulse method to calculate the frequency response of the electromagnetic forces on whirling cage rotors,” IEE Proceedings -Electric Power Applications, vol. 150, no. 6, pp. 752–756,[17] H. Rojas. Diseño de máquinas 2. Publicaciones UIS. Bucaramang[18] H. Rojas. Rodamientos. Publicaciones UIS. Bucaramanga[19] R. Norton. Diseño de máquinas. Ed. Prentice Hall.[20] ,A. Machado, J. Moya, 2005 Principales Fallas En Las Transmisiones Por Engranajes[21] Sinais, Control Industrial. www.sinais.es . Españ[22] S. Nivelo, D. Romero. 2014 “Establecimiento De Una Base De Datos De Señales De Vibraciones Mecánicas Para Sistemas Mecánicos Rotativos Con La Combinación De Diferentes Tipos De Fallos Y Elaboración De Guías De Practices Para Detección De Fallos En Rodamientos[23] A. Herrera, I. Jaimes. “Banco De Pruebas De Vibraciones Mecánicas Para Estudio De Fallas De Diente Roto, Excentricidad Y Desalineación En Engranajes Rectos”[24] I. Jaimes, J. Quiroga. “Estudio Experimental De Fallas En Engranajes Rectos Por Desalineación, Excentricidad Y Diente Roto”[25] F. Sanz. “Método Hibrido Para La Identificación De Fallas En Máquinas Eléctricas Rotativas Utilizando Señales De Vibración"[26] J. Cadena, S. Perez. “Aplicación De Redes Neuronales Probabilísticas En La Detección De Fallas Incipientes En Máquinas Rotativa[27] J. Maradey. 2016. “Banco Spectra”. Bucaramanga28] M. Nasir, (1993, August) Time Series Modelling and Prediction Using Neural Networks. Masters thesis. Universiti Teknologi Mara.[29] T. Koskela, M. Lehtokangas, J. Saarinen & K. Kaski.(1996, September) Time Series Prediction with Multilayer Perceptron, FIR and Elman Neural Netwo[30] F. Villa, (2010, Octubre) Modelado y Predicción del Precio de la Electricidad en Mercados de Corto Plazo Liberalizados Usando Redes Cascada Correlación. Tesis de Maestría. Universidad Nacional de Colombia[31] V. Ribeiro, Goldschmidt R. & Choren R., 2009. “Métodos para Previsão de Séries Temporais e suas Tendências de Desenvolvimento”, Monografías en Sistemas e Computação, 3, 1-26,[32] BERNAL, J., PRIETO, A., LLANES, O., and GARCÍA, E. (2011). Estudio comparativo de clasificadores empleados en el diagnóstico de fallos de sistemas industriales. En: Ing. Mecánica, Vol.142, No. 2, p.87-98.[33] HAGAN, M., DEMUTH, H., BEALE, M., and DE JESÚS, O. 2014. Neural network design 2a Edition. Universidad de OklahomaORIGINAL2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf2020_Tesis_Maria_Angelica_Delgado_Barrera.pdfTesisapplication/pdf6575634https://repository.unab.edu.co/bitstream/20.500.12749/12162/1/2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf51f2bd36cda359ec1d9e08d8e7c23297MD51open access2020_Licencia_maria_Angelica_Delgado_Barrera.pdf2020_Licencia_maria_Angelica_Delgado_Barrera.pdfLicenciaapplication/pdf413010https://repository.unab.edu.co/bitstream/20.500.12749/12162/2/2020_Licencia_maria_Angelica_Delgado_Barrera.pdfd3c52890d287896f48bedc20393aff73MD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/12162/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf.jpg2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf.jpgIM Thumbnailimage/jpeg5478https://repository.unab.edu.co/bitstream/20.500.12749/12162/4/2020_Tesis_Maria_Angelica_Delgado_Barrera.pdf.jpg088503b5535e5f73af895501210f24faMD54open access2020_Licencia_maria_Angelica_Delgado_Barrera.pdf.jpg2020_Licencia_maria_Angelica_Delgado_Barrera.pdf.jpgIM Thumbnailimage/jpeg9738https://repository.unab.edu.co/bitstream/20.500.12749/12162/5/2020_Licencia_maria_Angelica_Delgado_Barrera.pdf.jpg41c476f10258588e62dbd11f7a4d225aMD55open access20.500.12749/12162oai:repository.unab.edu.co:20.500.12749/121622021-04-29 10:00:37.367open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Publicaciones similares