Asncronos basado en la metodologa Wavelet PacketRedes Neuronales Los motores asncronos de jaula de ardilla se utilizan ampliamente en el proceso de produccin de la industria. Por eso es significativo mejorar la tcnica de diagnstico en los motores asncronos de jaula de ardilla en las diferentes aplicaciones. Esto ayuda a disminuir la ocurrencia de accidente y el costo de mantenimiento. Este trabajo se presenta Basado en la metodologa Wavelet Packet-Redes Neuronales, sobre el diagnstico en tiempo real del estator, rodamiento, y falla de excentricidad de motores asncronos de jaula de ardilla. Se analiza y procesa la seal de corriente del estator de la maquina elctrica, con el algoritmo WP-NN 1. Por este mtodo el problema de que el algoritmo FFT convencional no puede proporcionar ninguna informacin parcial en el dominio del tiempo se resuelve. Los vectores propios de rodamiento y falla de excentricidad son procesados por el algoritmo Wavelet Packet. Los vectores propios son pequeas. Las redes neuronales no son convergentes fcilmente cuando estn entrenadas, con estos vectores propios que el anterior. Para este problema, este artculo da un nuevo esquema basada en el algoritmo de extraccin de vectores propios de falla. Por el algoritmo propuesto de vectores propios de falla, la falla de los motores asncronos de jaula de ardilla puede ser diagnosticada y clasificada con precisin en tiempo real. Este esquema es factible, y se demuestra por el experimento de prueba. Como dispositivo de conversin de energa, los motores AC asncronos se utilizan ampliamente en procesos de produccin industrial. Es significativo para mejorar el anlisis de fallas y la tcnica de diagnstico de mquinas elctricas asncronas AC. Esto ayuda a disminuir la ocurrencia de fallas con eficacia, reducir tiempos perdidos de produccin causada por fallas, reduce el costo de mantenimiento y mejora el rendimiento de las mquinas elctricas. Es indispensable investigar la caracterstica de la falla en las mquinas elctricas y desarrollar el sistema de diagnstico en tiempo real el cual puede identificar la falla tpica con precisin y eficacia de motores asncronos de jaula de ardilla. En los ltimos aos, hay un progreso importante en el campo de la investigacin del anlisis de fallas y diagnstico de mquinas elctricas, con el desarrollo de la tcnica de control, tcnica computacional y tipos de algoritmo de inteligencia avanzada. Muchos tipos de mtodos de diagnstico de fallos son propuestos, tales como el mtodo de modelo analtico, el mtodo basado en el conocimiento, y el mtodo de procesamiento de seales. El desarrollo del mtodo de modelo analtico es el ms reciente. Este mtodo necesita modelo matemtico preciso del objeto diagnosticado,
1 Algorithm de Wavelet Packet-Neural Network
Primera Entrega Paper
Fernndez. Noviembre 2015
Jos Vitelio
incluyendo el mtodo de estimacin de parmetros, el mtodo de estimacin
de estado, el mtodo espacio equivalente, etc. Este mtodo requiere la condicin de diagnstico rigor, y existe una gran limitacin. El mtodo basado en el conocimiento utiliza la informacin interrelacionada de objetos diagnosticados; no se necesita el modelo matemtico preciso del sistema. Este mtodo es utilizado ampliamente, tal como algoritmo de red neuronal, el algoritmo de lgica difusa, etc. El mtodo de procesamiento de seales utiliza directamente el modelo de seal para analizar los sistemas lineales o no lineales, evitando la dificultad de extraer modelos matemticos de objetos. El mtodo de procesamiento de seal convencional hace que el anlisis espectral de la seal de corriente en el estator de las mquinas elctricas, con la Transformada Rpida de Fourier (FFT). Este mtodo puede obtener toda la informacin en el dominio de frecuencia de la seal, pero pierde informacin parcial en el dominio de tiempo de la seal y no puede realizar diagnstico de fallos en tiempo real de las mquinas elctricas. Desde finales de la dcada de 1980 el anlisis wavelet es una nueva rama de las matemticas. La aparicin de la tcnica wavelet proporciona una poderosa herramienta para el campo del diagnstico de fallas. La Transformacin Wavelet es a la vez el anlisis en escala de tiempo, y el anlisis tiempo frecuencia, con la caracterstica de resolucin mltiple. Se puede extraer caracterstica parcial de la seal en el tiempo y dominio de la frecuencia. Por lo tanto, el diagnstico de fallas basado en el anlisis wavelet debe ser una nueva tendencia de desarrollo en el campo del diagnstico de fallas en lnea de mquinas elctricas. En este artculo, la seal de corriente del estator de la maquina elctrica se analiza mediante algoritmo wavelet packet decomposition, los vectores propios de falla son extrados. Los vectores propios de falla son analizados e identificados por las redes neuronales, que puede realizar el diagnstico en tiempo real de muchos tipos de fallas de los motores asncronos de jaula de ardilla con eficacia. Este esquema integra, el mtodo de procesamiento de seal y el mtodo basado en el conocimiento, usando adecuadamente la caracterstica de tiempo real del anlisis wavelet, el aprendizaje fino y la capacidad de generalizacin de las redes neuronales.