Aplicación de redes neuronales artificiales al análisis de defectos en rodamientos mediante el procesamiento de sus vibraciones con técnicas cepstrum y envolvente

Resum

EL USO DE RODAMIENTOS MECÁNICOS ESTÁ MUY EXTENDIDO TANTO A NIVEL INDUSTRIAL COMO EN LA VIDACOTIDIANA, POR LO QUE CONOCER SU ESTADO ES FUNDAMENTAL PARA PREVER SU VIDA. LA SUSTITUCIÓNDE UN RODAMIENTO ANTES DE SU ROTURA PUEDE SER CLAVE EN EL CASO DE QUE PUEDA GENERARPÉRDIDAS ECONÓMICAS Y PRODUCTIVAS.UN MÉTODO DE ESTUDIO ES LA CAPTACIÓN DE SUS VIBRACIONES Y POSTERIOR ANÁLISIS PARA CONOCER LAEXISTENCIA DE ALGÚN DEFECTO Y SU GRAVEDAD. ESTE PROCESO NO ES SENCILLO Y CONLLEVA UNALIMPIEZA APROPIADA DE TODAS LAS SEÑALES VIBRATORIAS PARA CONCENTRARSE EN LAS REALMENTEIMPORTANTES. MUCHOS SON LOS FACTORES QUE PUEDEN DISTORSIONAR LA SEÑAL VIBRATORIA GENERADAEN EL RODAMIENTO Y BUSCAR LAS MEJORES CONDICIONES PARA SU CAPTACIÓN PERMITE REDUCIR FALSASSEÑALES Y SU COMPLEJIDAD.UNA VEZ ALMACENADA LA INFORMACIÓN VIBRACIONAL ES NECESARIO BUSCAR LOS PICOSCORRESPONDIENTES A LAS FRECUENCIAS DONDE ES MÁS FÁCIL QUE SE MANIFIESTEN LAS CONSECUENCIASDE UN DEFECTO EN EL RODAMIENTO. ES EN ESTA TESIS SE ESTUDIÓ Y COMPARÓ LA APLICACIÓN DE LASTÉCNICAS CEPSTRUM Y ENVOLVENTE. AMBOS MÉTODOS PROCESAN CON DIFERENTES TÉCNICASMATEMÁTICAS LA SEÑAL VIBRATORIA ORIGINAL PARA ELIMINAR LOS PICOS INDESEABLES Y DEJAR UNASEÑAL MÁS FÁCIL DE ESTUDIAR. LAS LIMITACIONES DE APLICACIÓN DE CADA UNO DE ESTOS DOS MÉTODOSLOS-HACEN MÁS O MENOS RECOMENDABLES SEGÚN LAS DIFERENTES CONDICIONES DE FUNCIONAMIENTODEL RODAMIENTO A ANALIZAR.UNA VEZ OBTENIDOS LOS DATOS VIBRACIONALES CLAVE ES NECESARIO INTERPRETARLOS CORRECTAMENTEPARA DETECTAR LOS PATRONES DE COMPORTAMIENTO QUE PUEDAN ESTAR ENCERRADOS EN LASVIBRACIONES. LA APLICACIÓN DE UN PAR DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL BUSCA EN ESTA TESISUN MÉTODO OBJETIVO QUE MEDIANTE REDES NEURONALES ARTIFICIALES SE PUEDAN CLASIFICAR LOSRODAMIENTOS ESTUDIADOS SEGÚN EL TIPO DE DEFECTO QUE CONTIENEN Y PREDECIR SU MOMENTO DEROTURA.EL PRIMER TIPO DE RED NEURONAL ARTIFICIAL ESTUDIADO ES UN PERCEPTRÓN CUYO ENTRENAMIENTO SEREALIZÓ POR ITERACIÓN BUSCANDO LA TOPOLO