Professional Documents
Culture Documents
Clasificación Automática de Patrones de Vibraciones Mecánicas en Maquinaria Rotativa Afectada Por Desbalanceo
Clasificación Automática de Patrones de Vibraciones Mecánicas en Maquinaria Rotativa Afectada Por Desbalanceo
Control y Automatización
Abstract
In this paper, we present an algorithm for automatic classification of vibration
patterns on rotating machinery affected by unbalance from spectral analysis.
We developed this algorithm using case-based reasoning and various descrip-
tors. The raised descriptors were: The root mean square value (RMS), the ener-
gy of Fourier spectra, the Higher Order frequency moments and the maximum
value of the Fourier spectra. The job was to induce imbalance to a universal
motor, taking the vibration signal in time domain by 3300 XL 8mm Proximity
sensors and through a data acquisition card NI USB 6008, bringing data to the
computer where we implemented a virtual instrument for capturing data and
its subsequent transformation to obtain frequency spectrum. Consequently, we
developed the algorithm in Matlab to automatically identify the imbalance pre-
sent in the machine, using the technique of case-based reasoning, based on the
calculation of the descriptors and the application of these within the algorithm
implemented using the Euclidean distance as part of the decision mechanism
among patterns without unbalancing vibration. The results show the RMS as
the best performing descriptor for classification showed.
Resumen
En este trabajo, se desarrolla un algoritmo de clasificación automática de los
patrones de vibración en maquinaria rotativa afectada por desbalanceo a partir
del análisis espectral. En este sentido, se propuso un algoritmo experto usando
Revista
UAN • ISSN on line: 2346-1446 • Vol. 4 • No. 7 • pp 29-35 • julio - diciembre de 2013 29
• Clasificación automática de patrones de vibraciones mecánicas en maquinaria rotativa afectada por desbalanceo •
A. El motor
c. Sensor y trata de adquisición de datos
El motor empleado es un motor universal marca
Daytona, AC/DC, modelo: 2M145 con alimen- Para la adquisición de datos se seleccionó la
tación 115 [Vrms] , un amperaje de 6,3 [A] y tarjeta NI6008 de NationalInstrument, la cual
velocidad: hasta 10000 rpm. En la Fig. 1. puede proporciona 8 entradas analógicas (IA), dos sali-
verse el motor perteneciente al modulo en el que das analógicas (OA); 12 canales de entrada / Sa-
se realizaron las pruebas. lida digitales (IOD) y un contador de 32 bits con
una interfaz de alta velocidad USB . En la Fig.3.
se muestran cada una de sus partes: 1. Entradas
Fig. 1. Motor Universal perteneciente analógicas (IA) 2. Borneras de conexión 3. Mar-
al banco. [1] quillas para borneras 4. Cable de conexión USB.
Las ruedas
Adicionalmente, los sensores usados corres-
Las ruedas fueron diseñadas por [1] con el fin de ponden a sensores proximitor 3300 XL 8 mm
aplicarle pequeñas masas que permitan inducir de la marca Bently Nevada. Este proporciona
un desbalanceo en el eje del motor. Con el fin de una tensión de salida que es directamente pro-
tener una distancia uniforme se maquinaron 24 porcional a la distancia de la punta de sonda
agujeros con una separación de 15° entre ellas. y la superficie observada. Esta sonda puede
En la Fig.2. puede verse el plano de los discos y medir la posición estática del eje y los valores
sus dimensiones. dinámicos. En la Fig.4. se ve un esquema de los
sensores usados.
Revista
UAN • ISSN on line: 2346-1446 • Vol. 4 • No. 7 • pp 29-35 • julio - diciembre de 2013 31
• Clasificación automática de patrones de vibraciones mecánicas en maquinaria rotativa afectada por desbalanceo •
Fig. 4. Sensores utilizados. [1] Fig. 5. Interfaz grafica del modulo [1].
Norm(p(f )
RMS= -
-
--
-
--
-
--
-
--
-
--
-
--
-
--
-
--
-
--
-
--
-
--
-
-- (1)
√n
Es importante destacar que al observar la Fig.7.,
Donde p(f ) es el espectro de vibración y n son se ve que el paso final de la clasificación es la
las distintas componentes frecuenciales del es- aplicación de un mecanismo de inferencia. Di-
pectro. Así mismo, Norm(p(f )) indica la norma cho mecanismo de inferencia se explica en la
del vector p(f ), lo cual corresponde a la distancia Fig.8. Cabe resaltar que dicho mecanismo de
euclidiana del vector. inferencia se propuso en [13], aunque para otra
aplicación. No obstante, se implemento en el
Energía=∫p(f)2 df (2) actual trabajo.
pico=max p(f) (3) Fig. 8: Mecanismo de Inferencia utilizado. [13].
HOFMS=∑fi * p(f )i (4)
c. Algoritmo de clasificación
El algoritmo de clasificación se realizo usando
la técnica de razonamiento basado en casos
propuesta por [10]-[12]. Dicho sistema se basa
en el conocimiento a priori de una base de casos
que caracterizan la clase requerida. En la Fig. 7.
Puede verse un esquema del algoritmo imple-
mentado.
Revista
UAN • ISSN on line: 2346-1446 • Vol. 4 • No. 7 • pp 29-35 • julio - diciembre de 2013 33
• Clasificación automática de patrones de vibraciones mecánicas en maquinaria rotativa afectada por desbalanceo •
Finalmente, se evaluó el desempeño del clasi- Aquí se puede notar que la mejor opción para
ficador utilizando validación cruzada. Los re- clasificación fue solo usando el descriptor RMS.
sultados se presentan y discuten en la siguiente En la Fig.9. se muestran de manera grafica estos
sección. resultados.
Fig. 9. Resultados del test realizado
4. Resultados y análisis de resultados al algoritmo.
trones de vibraciones, tomando muchos recur- [4] ESTUPIÑAN, Edgar; SAN MARTIN, Cesar
sos disponibles para tal fin, se usaron técnicas y SOLA LIGUE, René. Diseño e Implemen-
tales como el razonamiento basado en casos, tación de un Analizador Virtual de Vibra-
utilizando métrica Euclidiana, además de estas ciones Mecánicas. En: Revista Facultad de
técnicas el estudio se apoyó en una herramienta Ingeniería de la Universidad de Tarapacá,
matemática como lo es la transformada rápida Vol. 14 N°1, pp. 7-15. Tarapacá, 2006.
de Fourier, esencial para el tratamiento digital de
[5] KITTLER J., Reconocimiento de Patrones,
señales, ya que los descriptores calculados se ob-
Notas de seminario, Universidad de Surrey,
tienen a partir del espectro de Fourier utilizando
Rev. 0.9, 2002.
dicha transformada.
[6] ALDER, Michael,An Introduction to Pat-
El análisis del algoritmo desarrollado muestra
tern Recognition. eavenforBooks.com,
que para los cuatro descriptores tomados para
2001.
el desarrollo de la clasificación el de mejor des-
empeño es el valor RMS ya que se evidencia que [7] THEODORIDIS S., Koutrounmbas K., Pat-
el porcentaje de clasificación es más alto que el tern Recognition, Elsevier, Academic Press.
de los otros tres descriptores, incluso cuando se Second Edition. 2003.
toma en cuenta los 4 descriptores en el mismo
[8] MENDEL J.H, Tutorial on higher-order
algoritmo, los valores de desviación también
statistics (spectra) in signal processing and
analizados para cada uno de los descriptores
system theory: theoretical results and some
muestran los valores más bajos para el valor RMS.
applications. Proc. IEEE, 1991, 79 (3), pp.
Finalmente se mostró que es posible clasificar
278-305
de manera automática, con una tasa de ciertos
alta (95 de 100 aproximadamente - ver tabla 1), [9] PFLUG, L.A. Naval Res. Lab., Stennis Space
el desbalanceo respecto de un funcionamiento Center, MS, USA, Higher-Order Statistics,
normal, con un algoritmo relativamente sencillo, Proceedings of the IEEE Signal Processing
utilizando razonamiento basado en casos. No Workshop ,1997
obstante se recomienda a futuro incluir mas cla- [10] LOZANO, Laura y FERNÁNDEZ, Javier,
ses para realizar la clasificación automática entre Razonamiento basado en casos: Una visión
un grupo compuesto por diversas anomalías general. Universidad de Valladolid, 2010
(desalineamiento, soltura, etc).
[11] GóMEZ PÉREZ, José de Jesús; González
Quintana, Diana Marcela; “Evaluación de
Referencias daños en tuberías, mediante Razonamiento
Basado en Casos y procesamiento de se-
[1] CÁCERES, Joaquín y DIAZ, Julio; imple-
ñales con transformada Wavelet y MPCA”.
mentación de un banco de pruebas para
Universidad Industrial de Santander, Buca-
análisis de vibraciones mecánicas en ma-
ramanga 2010.
quinaria rotativa afectada por desbalanceo,
Universidad Antonio Nariño, facultad de [12] CAMACHO NAVARRO, Jhonatan; “Sis-
ingeniería electromecánica, 2012 tema Experto Para La Monitorización De
[2] GUERRERO, Ricardo y SALAZAR, Andrés. Salud Estructural Mediante El Reconoci-
Monitoreo de la condición Basado en análi- miento De Patrones: Adaptación Y Valida-
sis de vibraciones. Bogotá: EngineeringRe- ción Numérica”. Universidad Industrial de
liability and Management (ER & M), 2006. Santander, Bucaramanga 2010.
13 p. [13] SANDOVAL RODRÍGUEZ, Camilo Leo-
[3] GRIM, Gary y MITCHELL, Bruce. Enten- nardo. Caracterización de la dinámica de los
diendo las bases del balanceo y técnicas de movimientos básicos de la mano a partir de
medición, USA: PrecisionMeasurement and la actividad electromiográfica del antebrazo.
Testing, 2010. 1-2 p Universidad Industrial de Santander 2013.
Revista
UAN • ISSN on line: 2346-1446 • Vol. 4 • No. 7 • pp 29-35 • julio - diciembre de 2013 35