Autor: Yesenia Restrepo Chaustre

Director: MSc. Jesé Armando Becerra Vargas

Co – director: PhD.  Aldo Pardo García

 

RESUMEN

 

La presente propuesta de tesis de maestría se enmarca dentro del área de Diagnóstico y detección de fallas en procesos industriales, enfocando su aplicación hacia los motores síncronos para identificar las fallas incipientes que afectan las principales ventajas de utilización de estos motores.

Los continuos avances tecnológicos, han permitido que en los últimos años se desarrollen nuevas herramientas que permiten diagnosticar el estado de los equipos, potenciando el mantenimiento, brindando así mayor confiabilidad y disponibilidad de las máquinas eléctricas.

En el trascurso de este proyecto se estudia el principio de funcionamiento, características físicas, parámetros electromagnéticos y eléctricos que influyen en el comportamiento del motor síncrono, representado como un sistema no lineal. Para modelarlo matemáticamente se realiza la transformación de coordenadas primitivas al eje de coordenadas dq0, y finalmente representarlo en un diagrama de bloques en “Simulink®” en el cual se manipulan las variables de control y de estado que representan dicho motor. Para obtener el modelo se utilizó el motor DL30190 D’Lorenzo, ubicado en el laboratorio de Máquinas eléctricas de la Universidad Francisco de Paula Santander.

Los sistemas de Detección y Diagnóstico de Fallas (SDDF), están motivados por la necesidad de conocer y en su caso predecir la ocurrencia de fallas en la planta, ya que por seguridad se pueden evitar situaciones extremas como mortalidad humana, impacto ambiental y pérdidas económicas. En la actualidad, existen muchos métodos de detección y diagnóstico de fallas, pero esta investigación se enfoca en la detección de fallas por correlación y clasificación de las mismas utilizando redes neuronales.

El proceso de detección de fallas por correlación se basa en la comparación de la respuesta actual y la respuesta anticipada al sistema. La respuesta anticipada del sistema es generada por la red neuronal basada en un modelo de predicción. Mientras, que para el diagnóstico de fallas se utiliza un clasificador neuronal que permite la ubicación e identificación de la falla ocurrida; utilizando como software para el desarrollo de esta red el software Simulink®.

 

Bibliografía

 

[1] Luna Moreno Heriberto. Tesis “Pruebas y obtención de parámetros de la máquina sícrona”. Universidad Michoacana de San Nicolás de Hidalgo. México. 2008.

 

 

[2] Hernandez Cely Marlon Mauricio. “ Estudio para detección y diagnóstico de fallas en el proceso del generador de vapor de la central termoeléctrica trmotasajero colgener”. Tesis de maestría, Programa de maestría en controles industriales de la Universidad de Pamplona. Colombia. 2010.

 

[3] José Manuel Aller. Conversión de energía eléctrica. Universidad Simón Bolívar.

 

[4] M. Cisneros. M.A. Arjona. F.S Sellschopp. Identificación paramétrica de un generador síncrono a partir de la prueba de escalón de voltaje. Científica, Vol 14, Núm 1. ISSN 1665-0654. pp 33-39. Enero – Marzo 2010.

 

[5] Stephen J. Chapman. Máquinas Eléctricas. Cuarta Edición. Mc Graw Hill. 2005

 

[6] A. E. Fitzgerald, Charles Kingsley, Jr Stephen D, Umans, Máquinas Eléctricas. Sexta Edición. Mc Graw Hill. 2005.

 

[7] Fraile Mora Jesús. Máquinas Eléctricas. Quinta Edición. Mc Graw Hill. 2003.

 

[8] DE LORENZO. Laboratorio Eurolab. Generador Síncrono Trifásico DL30190. UNI EN ISO 9001-2000. CERT 9160 DELR.

 

[9] José Manuel Aller. Universidad Simón Bolívar. Máquinas eléctricas rotativas: Introducción a la teoría general. Editorial Equinoccio. 2008. ISBN: 980-237-223-4.

 

[10] Andrés Mauricio Santos Hincapié. Carlos Alberto Gómez Rodríguez. Validación del modelo DQ0 de la máquina síncrona para estudios de transitorios electromagnéticos. Tesis de grado para optar por el título de ingeniero electricista. Universidad Industrial de Santander. 2010.

 

[11] Pérez Londoño Ana María, Romero Ramírez Yimy Alexander. Medición indirecta de algunos parámetros de la máquina síncrona a partir de la medida del ángulo par. Tesis de grado para optar por el título de Ingeniero Electricista. Universidad Tecnológica de Pereira. 2007.

 

[12] Dal Y. Ohm. Dynamic model of PM synchronous motors. Drivetech, Inc, Blacksburg, Virginia. www.drivetechinc.com

 

[13] Becerra Vargas José Armando. Análisis y modelado de acondicionadores de señal de corriente y voltaje para convertidores de frecuencia aplicados al motor de inducción trifásico. Tesis de grado para optar por el título de Magíster en controles industriales. Universidad de Pamplona. 2008.

 

[14] Tarantino Rocco. Aranguren Sandra. Confiabilidad en procesos de automatización. Revista Colombiana de Tecnologías de Avanzada. ISSN: 1692-7257. Ed: Java EU. Vol 1. Fasc 7. P.38-43. 2004.

 

[15] Hernandez Cely Marlon Mauricio. Estudio para detección y diagnóstico de fallas en el proceso del generador de vapor de la central termoeléctrica. Tesis de grado para optar por el título de Magíster en controles industriales. Universidad de Pamplona. 2010.

[16] Guillén P Marcos L. Paredes José L. Camacho Oscar. A proposal method for fault detection an diagnosis in chemical processes instrumentation using wavelet transform. Revista Técnica de la facultad de ingeniería Universidad del Zulia. ISSN: 0254-0770. 2005

 

[17] Alcorta García Efraín. Detectando fallas mediante redundancia analítica. Ingenierías. Vol IV. No.11. UANL. Junio 2001.

 

[18] González Gómez Patricia. “Redundancia en Hardware” Dpt Electrónica y Sistemas. Universidad de Coruña. 2005.

 

[19] Isermann R. “Model-Based Fault Detection And Diagnosis Status And Applications”. Institute of Automatic Control, Darmstadt University of Technology. 2004.

 

[20] Meizoso López M. Carmen. Piñón Pazos Andrés J. Ferreiro García Ramón. “Análisis de la problemática en la generación de residuos para detección de fallos mediante autómatas programables”. Departamento de Ingeniería Industrial. Universidad de A Coruña.

 

[21] Frank P. M., Alcorta García E., Koppen-Seliger B. “Modellin for Fault Detection and Isolation versus Modelling for control”. Mathematical and Computer Modelling of Dynamical Systems. Vol 7. No.1, pp. 1-46. 2001.

 

[22] Gastelbondo Walter. Diseño de un Sistema de Detección y Diagnóstico de Fallas de Alto Impacto en Calderas Industriales de Alta Presión. 2005.

 

[23] Tarantino Rocco. Ferenc Szigeti. Colina Eliezer. “Generalized Luenberger observer-based fault-detection filter design: an industrial application”. Universidad de los Andes. Mérida. Venezuela. 1999.

 

[24] Chen J. and Patton, R. J. “Robust Model-based Fault Diagnosis for Dynamic Systems”. Kluwer Academic Publishers. Boston. 1999.

 

[25] Gastelbondo Walter. “Estudio ´para el incremento del nivel integrado de seguridad (s.i.l.), de los sistemas instrumentados de seguridad (s.i.s.) industrial, mediante esquemas y algoritmos tolerantes a fallas utilizando sistemas de detección y diagnóstico de fallas”. 2007.

 

[26] Frank, P. M. Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy a survey. Automática. 1990.

 

[27] Hernández Pérez Miguel Ángel. Detección de Fallas en Sistemas Lineales y su Aplicación para un Sistema de Nivel de Líquidos. Tesis de grado para optar por el título de Magíster en Ciencias de la Ingeniería en Microelectrónica. Instituto Politécnico Nacional. Escuela Superior de Ingeniería Mecánica y Eléctrica. México D.F. 2011.

 

[28] Zitek P.Patton R.J. Hou, M. An observer design for linear time-delay systems. IEEE Transactions on Automatic Control. 47(1):121-125. 2002.

 

[29] L. A. Mironovski. Funcional diagnosis of linear dynamic systems. Automation and Remote Control. 40:1198-1205. 1979.

 

[30] E. Y. Chow and A. S. Willsky. Analytical redundancy and the design of robust detection systems. IEEE Transactions on Automatic Control. Pág 514-603. 1984.

 

[31] J. Raymond C. Bakiotis and Rault. Parameter and discriminant analysis for jet engine mechanical state diagnosis. Proc. Of 1979 IEEE Conference on Decisión and Control, for Luderdale. USA. Pág 11-17. 1979.

 

[32] Demetriou A. Michael. Uio for fault detection in vector second order systems. Proceedings of the American Control Conference. Arlington. USA. Pág 1121-1126. 2001.

 

[33] J Gertler. Analytical Redundancy Methods in Fault Detection and Diagnosis. Safeproce. Baden. Germany. 1991.

 

[34] Jui-Jung Liu. Shan-Jen Cheng. I-Chung Kung. Hui-Chen Chang. S.A. Billings. Non-linear system identification and fault diagnosis using a new GUI interpretation tool. National Defence University. Taiwán. 2000.

 

[35] Ron J. Patton and Jie Chen. Neural networks in nonlinear dynamic systems fault diagnosis. Engineering Simulation. Pág 905-924. 1996.

 

[36] A. T. Vemuri and M. M. Policarpou. Neural networks based robust fault diagnosis in robotic systems. IEEE Transactions on Neural Networks. Pág 1410-1420. 1997.

 

[37] C. C. H. T, Monk. Online fault detection and isolation of nonlinear systems based on neurofuzzy networks. Enginnering application of artificial intelligence. 2007.

 

[38] Freeman, J. A. Skapura, D. M. “Redes Neuronales. Algoritmos, aplicaciones y técnicas de propagación”. México. Addison-Wesley. 1993.

 

[39] Corrales Barrios Benigno Luis. Ramírez Vázquez Alexei. Clasificación de fallas con redes neuronales para grupos electrógenos. Ingeniería Energética. Vol. XXXIV. No. 2. Pág 137-150. Mayo/Agosto. ISSN 1815-5901. 2013.

 

[40] Hung T. Nguyen. A First Course in fuzzy and Neural Control. Chapman & Hall CRC. ISBN: 1-58488-1. USA. 2002.

 

[41] Cuevas Silva Omar. Diagnóstico de fallas en un sistema no lineal empleando redes neuronales. Tesis para optar por el título de magíster en Ciencias en Ingeniería Eléctrica. Facultad de Ingeniería Eléctrica posgrado. Universidad Michoacana de San Nicolás de Hidalgo. México. 2009.

 

[42] María Jesús. Detección y diagnóstico de fallos usando redes neuronales. Tesis de Doctorado. Departamento de Ingeniería de Sistemas y Automática. Universidad de Valladolid. España. 2008.

 

[43] Tarantino Alvarado Rocco. Aranguren Sandra. “Introducción a la detección y diagnóstico de fallas en la industrial”. 2004.

 

[44] P. Amann. E. Alcorta García. B. Koeppen Seliger. P. M. Frank. Knowledge – and data – based models for fault diagnosis. Journal of Systems Analysis, Modelling and Simulation. Vol. 35. Pág 25-44. 1998.

 

[45] Zadeh L. A. “Kowledge representation in fuzzy logic”. IEEE Transactions on Knowledge and Data Engineering 1. Pág 89-100. 1989.

 

[46] Zimmermann H. J. “Fuzzy Set Theory and its Applications”. Boston. Mass. Kluwer Nijhoff. 1991.

[47] Murata. Tadao. “Petri Nets: Properties, Analysis and Applications”. Proceedings of the IEEE. No 4. Vol. 77. Pág 541-580. 1989.

 

[48] Silva Manuel. “Las redes de Petri en la Automática y la Informática”. Editorial AC. 1985.

 

[49] Piñon Andrés. Análisis del estado actual de las técnicas en instrumentos inteligentes. Universidad de la Coruña. 2005.

 

[50] Wolfram Armin. Isermann Rolf. “Component Based Tele-Diagnosis Approach to a Textile Machine”. Darmstadt University of Technology. 2002.

 

[51] Kwok - Wai Louie. Phase-domain synchronous generator model for transients simulation. A thesis submitted in partial fulfillment of the requirements for the degree of master of applied science. The University of British Columbia. April 1995.

 

[52] J. de J. Rubio Ávila. Modelado y control para una clase de sistemas no lineales desconocidos en tiempo discreto. Tesis del centro de investigación y de estudios avanzados del Instituto Politécnico Nacional. México. 2007.

 

[53] J. J. Gertler. Fault Detection and Diagnosis in Engineering Systems. New York: Marcel Dekker. 1998.

 

[54] R. Isermann. Supervisión, fault-detection and fault diagnosis methods-and introduction. Control Eng. Practice. Vol 5, No. 5. 1997. Pág 639-652.

 

[55] A. S. Willsky. A survey of design methods for failure detection in dynamic system. Automática. Vol 12. No 6. 1976. Pág 601 – 611.

 

[56] R. J. Patton, P. M. Frank. R. N. Clark. Fault Diagnosis in Dynamic Systems: Theory and Applications. New York: Prentice Hall. 1989.

 

[57] J. Anzurez Marin. Diagnóstico de fallas en sistemas no lineales usando lógica difusa y observadores con modos deslizantes. Tesis del Centro de Investigación Y De Estudios Avanzados Del Instituto Politécnico Nacional. México, D.F. 2007.

 

[58] MO-yuen Chow. Robert N. Sharpe, and James C. Hung. On the Application and Design of Artificial Neural Networks for Motor Fault Detection-Part I. IEEE Transactions

On Industrial Electronics. Vol. 40. No. 2. April. 1993.

 

[59] MO-Yuen Chow. Robert N. Sharpe, and James C. Hung. On the Application and Design of Artificial Neural Networks for Motor Fault Detection-Part II. IEEE Transactions On Industrial Electronics. Vol. 40. No. 2. April. 1993.

 

[60] MO-Yuen Chow. Sui Oi Yee. Methodology For On-Line Incipient Fault Detection In Single-Phase Squirrel-Cage Induction Motors Using Artificial Neural Networks. IEEE/PES Winter Meeting. New York. 1991.

 

[61] Lingxin Li and Chris K. Mechefske. Induction Motor Fault Detection and Diagnosis Using Artificial Neural Networks. International Journal of COMADEM. ISSN 1363-7681. Pág 15-23. 2006.

 

[62] Qingli Guo, Qi Tang. Data Mining based on Improved Neural Network and its Application in Fault Diagnosis of Steam Turbine. Proceedings of the 7th World Congress on Intelligent Control and Automation. Chongqing, China. June 25-27. ISBN: 978-1-4244-2113-8. 2008.

 

[63] I. D’Antone. A Neural Network In An Expert Diagnostic System. Nuclear Science. IEEE Transactions on Volume 39. Issue 2. Pág: 58 – 62. Apr 1992.

 

[64] Yang Shulian. Li Wenhai. Zhen Hua. Xiang Fang. Intelligent condition monitoring and fault diagnosis of a gearbox based on Artificial Network. The Eighth International Conference on Electronic Measurement and Instruments ICEMI. 2007.

 

[65] Daniel Fischer. Eberhard Kaus. Rolf Isermann. Fault Detection For An Active Vehicle Suspension. Proceedings of the American Control Conference Denver. Colorado June 4-6. 2003.

 

[66] Shubhalaxmi Kher. P. K. Chande. P. C. Sharma. Automobile Engie Fault Diagnosis Using Neural Network. 2001 IEEE Intelligent Transportation Systems Conference Proceedings. Oakland. USA. August 25-29. 2001.

 

[67] Andrea Bernieri. Giovanni Betta. Consolatina Liguori. On.Line Fault Detection and Diagnosis Obtained by Implementing Neural Algorithms on a Digital Signal Processor. IEEE Transactions On Instrumentation And Measurement. Vol. 45. No.5. October 1996.

 

[68] Davor Linaric. Vladimir Koroman. Fault Diagnosis of a Hydraulic Actuator using Neural Network. ICIT 2003. Maribor, Slovenia.

 

[69] S. N. Huang; K. K. Tan; T. H. Lee. Automated Fault Detection and Diagnosis in Mechanical Systems. IEEE Transactions On Systems, Man and Cybernetics. Part C: Applications and Reviews. Vol 37. No.6. November 2007.

 

[70] Yunosuke Maki. Kenneth A. Loparo. A Neural-Network Approach to Fault Detection and Diagnosis in Industrial Processes. IEEE Transactions On Control Systems Technology. Vol. 5. No. 6. November 1997.

 

[71] A. I. Taalab; H. A. Darwish; T. A. Kawady. Ann-BasedNovel Fault Detector for Generator Winding Protection. IEEE Transactions On Power Delivery. Vol. 14. No. 3. July 1999.

 

[72] Hatem A. Darwish; Abdel-Maxoud I; Taalab; Tamer A. Kawady. Development and Implementation of an ANN-Based Fault Diagnosis Scheme for Generator Winding Protection. IEEE Transactions On Power Delivery. Vol. 16. No2. April 2001.

 

[73] Shing Chiang tan. Chee Peng Lim. Application of an Adaptative Neural Network With Symbolic Rule Extraction to Fault Detection and Diagnosis in a Power Generation Plant. IEEE Transactions On Energy Conversion. Vol. 19. No.2. June 2004.

 

[74] Yong-Guang Ma. Liang-Yu Ma. Jin Ma. RFB Neural Network Based Fault Diagnosis For The Thermodynamic System Of A Thermal Power Generating Unit. Proceedings of the Fourth International Conference on Machine Learning and Cybernetics. Guangzhou. 18-21 August 2005.

 

[75] José A. Ruz-Hernández; Edgar N. Sánchez; Dionisio A. Suárez. Neural Network-based Scheme for Fault Diagnosis in Fossil Electric Power Plants. Proceedings of International Joint Conference on Neural Networks. Montreal, Canada. July 31 – August 4. 2005.

[76] Ferreyra Ramírez Andrés. Tesis para obtener el grado de Doctor en Ciencias en la Especialidad de Control Automático. Redes Neuronales Difusas para modelado vía agrupanmiento en-línea: Aplicación a un condensador de aspiración. Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional. Departamento de Control Automático. México, D.F. 2005.

[78] Hassan. K. Khalil. Nolinear systems. New Jersey. Prentice Hall. 2002.

 

[79] S. Haykin. Neural Networks – A Comprehensive Foundation. Macmillan College Publisher. ISBN: 9780023527616. New York. 1994.

 

[80] M. Norgaard. Neural Networks for modelling and control of Dynamic Systems. Springer. ISBN: 1-85233-227-1. Glasgow. Scotland. U.K. 2000.

 

[81] Patan K. Korbics J. Artificial Neural Network to fault diagnosis. Wydawnictwa Naucowo-Techniezne WNT. Polonia. 2002.

 

[82] Quintero Crespo Erwin. Desarrollo de un modelo para la localización de fallas en un sistema de transmisión de energía eléctrica utilizando técnicas de inteligencia artificial. Tesis de Maestría en Ingeniería de Sistemas. Universidad Nacional de Colombia. 2010.

 

[83] Izzet Y Önel; K. Burak Dalci; and Ibrahim Senol. Detection of bearing defects in three-phase induction motors using Park’s transform and radial basis function neural networks. Sadhana Vo. 31. Part 3. Printed in India. Pág 235-244. June 2006.

 

[84] Tlalolini Ramos Nemecio. Ruz Hernández José. Suárez Cerda Dionisio. Sánchez López Alfredo. Quintero Reyes Agustín. Diagnóstico de fallas en centrales termoeléctricas utilizando modelado neuronal y lógica difusa. Congreso Nacional de Control Automático A.M.C.A. Monterrey. 2007.

 

[85] Arafet P.Pedro; Chang M. Francisco; Torres A. Miguel; Dominguez A. Hugo. Métodos de identificación dinámica. Universidad de Oriente. Junio 2008.

 

[86] Medrano H. Zulma; Pérez T. Carlos. De Armas Teyra Marcos. Amaro H. César. Un estudio sobre la localización, detección y diagnóstico de fallas en máquinas eléctricas. Universidad Militar Nueva Granada. Máquinas eléctricas, detección y diagnóstico de fallas. Vol. 23-1. Pág. 37-59. Junio 2013.

 

[87] Villegas Berbesi Thamara. Aplicación de técnicas robustas para detección y diagnóstico de fallos. Tesis doctoral. Escuela de Ingenierías Industriales. Universidad Valladolid. 2012.