Clasificación de estados operativos en motores de inducción utilizando el algoritmo Random Forest
Barra lateral del artículo
Contenido principal del artículo
Resumen
En este trabajo se presenta la validación experimental del estado de funcionamiento de un motor de inducción
(MI) trifásico con un cortocircuito entre espiras (CEE) en sus bobinados. Este tipo de avería produce un rápido
deterioro del aislamiento de los conductores si no es detectada en su etapa temprana. Con el fin de evitar las
fallas de mayor gravedad se realiza la clasificación de patrones de funcionamiento aplicando el algoritmo de
Random Forest. Este algoritmo permite clasificar entre los estados de funcionamiento normal y con avería a
partir las corrientes instantáneas medidas en bornes de un motor de 2 Hp. Se demuestra que el algoritmo de
Random Forest es una buena herramienta para clasificar los estados operativos a partir de series temporales.
Detalles del artículo
Usted es libre de:
Compartir— copiar y redistribuir el material en cualquier medio o formato para cualquier propósito, incluso comercialmente.
Adaptar— remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
Atribución— Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Referencias
P. Zhang, Y. Du, T. G. Habetler, and B. Lu, “A survey of condition monitoring and protection
methods for medium-voltage induction motors,” IEEE Transactions on Industry Applications,
vol. 47, no. 1, pp. 34–46, 2011.
G. D. Yuchechen, L. E. Lede, G. C. Hermann, L. A. Barruffaldi, J. A. Potschka, and M. A.
Mazzoletti, “Banco de ensayos experimental para la validación de técnicas de detección y diagnóstico de fallas en las máquinas eléctricas rotativas,” in IX Jornada de Investigación, Desarrollo
Tecnológico, Extensión y Vinculación, Facultad de Ingeniería, UNaM., vol. 1, 2019, pp. 1–7.
A. M. Alvez, A. N. Davalos, and M. A. Mazzoletti, “Métodos de estimación de parámetros en
máquinas eléctricas rotativas,” in IX Jornada de Investigación, Desarrollo Tecnológico, Extensión y Vinculación, Facultad de Ingeniería, UNaM., vol. 1, 2019, pp. 1–10.
M. A. Mazzoletti, F. R. Gentile, M. P. Puertaz, P. D. Donolo, and G. R. Bossio, “Estimación
de componentes de secuencia mediante el filtro de vold-kalman para la detección de averías
en el estátor de la MI,” in XI Jornada de Investigación, Desarrollo Tecnológico, Extensión y
Vinculación, Facultad de Ingeniería, UNaM., vol. 1, 2021, pp. 1–11.
G. D. Yuchechen, M. A. Mazzoletti, and G. R. Bossio, “Effects of stator winding interturn shortcircuit faults of the im by using intantaneous power theory,” in 2018 Argentine Conference on
Automatic Control (AADECA), 2018, pp. 1–6.
G. D. Yuchechen and M. A. Mazzoletti, “Análisis del cortocircuito entre espiras en bobinados
de la máquina de inducción utilizando la teoría de la potencia instantánea,” + INGENIO Revista
de Ciencia Tecnología e Innovación, vol. 2, no. 1, pp. 54–65, 2021.
H. Akagi, E. H. Watanabe, and M. Aredes, Instantaneous Power Theory and Applications to
Power Conditioning, 2nd ed. Wiley-IEEE Press, 2017.
B.-S. Yang, X. Di, and T. Han, “Random forests classifier for machine fault diagnosis,” Journal
of Mechanical Science and Technology, vol. 22, pp. 1716–1725, 2009.
T. dos Santos, F. J. T. E. Ferreira, J. M. Pires, and C. Damásio, “Stator winding short-circuit
fault diagnosis in induction motors using random forest,” in 2017 IEEE International Electric
Machines and Drives Conference (IEMDC), 2017, pp. 1–8.