Sistema de Diagnóstico Distribuido de Motores de Inducción basado en Redes Inalámbricas de Sensores y Protocolo ZigBee

La inclusión de las redes inalámbricas de sensores y tecnologías IoT (Internet of Things) en ambientes industriales busca el monitoreo y registro autónomo de una mayor cantidad de variables del proceso industrial con una alta confiabilidad y resiliencia, además, procuran realizar un análisis previó para obtener parámetros de las señales que puedan dar a conocer una mejor descripción del estado del sistema y su condición de operación. Esto permite reducir el consumo de energía al disminuir la transmisión de datos netos medidos con paquetes hasta mil veces más largas que un parámetro calculado desde el sensor hacia los centros de control. La finalidad del monitoreo propuesto es el análisis para la identificación de anomalías que puedan afectar la disponibilidad de la planta o incrementar los costos de producción, y mejorar los procesos de mantenimiento. En este proyecto se desarrolló un sistema de monitoreo y diagnóstico remoto basado en una red de sensores cuyos nodos remotos se encarguen de la recolección de datos y su posterior análisis para la identificación de anomalías que representen fallas críticas para el proceso o sistema industrial. El sistema propuesto se enfocó en el diagnóstico de falla de motores de inducción debido a que representan el mayor porcentaje de equipos en aplicaciones industriales. El proyecto se limitó a la identificación de falla entre espiras (2, 4 y 6 espiras), como un antecedente de fallas críticas, corto circuito fase-fase y corto circuito fase-tierra al presentarse como un deterioro del aislamiento. Se empleo el método de análisis de corriente de estator (MCSA). El nodo remoto inteligente se implementó con MCU LPCXpresso54114 con conexión a una red inalámbrica de sensores basada en protocolo ZigBee mediante tarjetas de comunicación XBee. El nodo concentrador (gateway) está compuesto de una tarjeta Raspberrry PI con comunicación mediante protocolo HTTP y formato JSON (PI Web API) a la base de datos del sistema de monitoreo industrial PI System El diagnóstico se ejecuta de manera remota por medio de un análisis preliminar para el cálculo de indicadores de falla y luego mediante SVM (Support Vector Machine) se clasifican los datos en comportamientos conocidos de condiciones de falla. Se plantearon indicadores basados en la medición neta de las corrientes, FFT (Fast Fourier Transform) y DWT (Discrete Wavelet Transform). Se realizó validación en laboratorio de la clasificación en tiempo real de fallas entre espiras aplicadas a un motor de inducción tipo jaula de ardilla, comparando diferentes configuraciones del diagnóstico, del análisis para la extracción de indicadores y de los indicadores de falla empleados; permitiendo plantear mejoras para la reducción de los porcentajes de error por falsa detección de falla, o no detección de falla. Estos avances finalmente se traducen a incrementar la confiabilidad del diagnóstico, la observabilidad de la falla, la diferenciación entre condiciones de falla, la precisión de la clasificación, la tolerancia a transitorios, sensibilidad, entre otros.

• Autores: Caballero Peña, Jairo Andrés
• Tipo de recurso: Work document
• Fecha de publicación: 2020
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/75656
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/75656
• Palabra clave: Ingeniería y operaciones afines::Otras ramas de la ingeniería; Distributed Analysis; Fault Diagnosis; Induction Motor; Motor-Current Signature Analysis; Stator Current; Wireless Sensor Networks; ZigBee; Análisis distribuido; Corriente de estator; Diagnóstico de fallas; Motor-Current Signature Analysis; Motor de Inducción; Redes inalámbricas de sensores; ZigBee
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional