dc.contributorCastellanos Domínguez, César Germán (Thesis advisor)
dc.creatorCardona Morales, Oscar
dc.date.accessioned2019-07-02T12:04:09Z
dc.date.available2019-07-02T12:04:09Z
dc.date.created2019-07-02T12:04:09Z
dc.date.issued2016
dc.identifierhttps://repositorio.unal.edu.co/handle/unal/56722
dc.identifierhttp://bdigital.unal.edu.co/52634/
dc.description.abstractHoy en día el monitoreo de condición de maquinaria rotativa ha comenzado a ser un tema importante para la industria porque permite al mismo tiempo reducir daños accidentales y mejorar el rendimiento de las maquinas. Esta herramienta, conocida también como Mantenimiento basado en condición se basa en la evaluación adecuada de la salud de la maquinaria, empleando una serie de mediciones como vibraciones mecánicas. No obstante, la gran mayoría de máquinas en ambientes industriales reales utilizan piezas únicas, por lo cual no es posible inducir o simular fallas, haciendo infactible coleccionar datos útiles de la maquina bajo condiciones de daño. Además, en muchos casos, las condiciones de operación de la maquina se rigen dependiendo de los cambios de la velocidad o carga, lo cual incrementa la dificultad del análisis tradicional basado en normas ISO, y oculta información relevante de la salud de máquina. Bajo esa perspectiva, este documento presenta una metodología de diagnóstico de maquinaria basada en el análisis de señales de vibración no estacionarias, incluyendo las etapas de detección, separación e identificación de las posibles fallas. Particularmente, la metodología propuesta está compuesta por las mismas etapas que cualquier procedimiento de diagnóstico de fallas pero en un orden diferente. Primero, se propone un modelo de seguimiento de orden (Order Tracking - OT en inglés) para descomponer la señal en un conjunto de componentes espectrales de banda angosta, los cuales capturan la información asociada con las condiciones de operación. En ese sentido, el modelo OT propuesto brinda la posibilidad de extraer tanto la velocidad del eje de referencia cuando ´esta medida no es disponible. Segundo, se propone una novedosa metodología para detección de fallas, llamada detección de fallas con localización en frecuencia, la cual se basa en técnicas de detección de atípicos (Novelty Detection en inglés) y usa clasificadores de una clase para describir el rendimiento normal de la máquina. La metodología propuesta utiliza los componentes de orden, obtenidos usando el modelo OT, como nuevas pseudo-observaciones de la señal de vibración, y se emplea un esquema de clasificación, como etapa posterior, con el fin de determinar si cualquiera de las nuevas observaciones puede ser catalogada como un atípico. En consecuencia, a cada componente de orden se le asigna una etiqueta que puede tomar dos valores: normal o atípico. La ventaja de esta metodología se centra en el hecho que permite determinar el rango de frecuencia donde se encuentra una falla, reduciendo el tiempo de búsqueda y brindando información útil al personal de mantenimiento, que en muchos casos no tiene conocimientos especializados para este tipo de análisis. Finalmente, se analizan las propiedades cicloestacionarias de los componentes de orden y, mediante inspección visual, se identifican distintos tipos de falla relacionados con defectos en rodamientos. Con el uso de la metodología propuesta es posible detectar de una forma efectiva que y cuales fallas puede estar experimentando la máquina, considerando escenarios complejos donde las condiciones de operación son cambiantes a través del tiempo. Varios experimentos son discutidos, desde bancos de prueba de laboratorio hasta estudios de caso tales como la línea de propulsión de un barco, turbinas de viento, sistemas de engranajes y motores de combustión interna, donde el modelo OT propuesto fue probado para estimar la velocidad instantánea. Otro hallazgo significativo se basa en la definición de las propiedades cíclicas que tienen los componentes de orden, ya que esto abre la posibilidad de emplear el modelo propuesto como una técnica de descomposición para separar componentes estacionarias y cicloestacionarios cuando las condiciones de operación de la máquina son constantes. En conclusión, la metodología propuesta es una herramienta prometedora en el área de monitoreo de condición de máquinas rotativas
dc.description.abstractAbstract : Nowadays, condition monitoring of rotating machinery is becoming increasingly important for the industry because it allows reducing accidental damages and improving the machine performance at the same time. This tool, also called Condition-based Maintenance relies on the adequate evaluation of the machine health or state, employing a set of measurements as mechanical vibration signals. Nevertheless, most of the real-world machinery operates unique pieces, which are not suitable for inducing faults, making unfeasible to collect useful data on damaged conditions. Furthermore, in many cases, the operating conditions of the machine are governed by speed or load changes, which makes difficult the traditional analysis based on the ISO standards, and hides relevant information of the machine health. In that sense, this document present a machine diagnostic methodology, based on the analysis of non-stationary vibration signals, which includes the detection, isolation, and identification of the possible faults. Particularly, the proposed methodology has the same stages but in an order different. Firstly, an order tracking (OT) model is proposed to decomposes the signal into a set of narrow-band spectral components that capture information associated with the operating conditions. Besides, the OT model provides the possibility also to extract the reference shaft speed when that measure is unavailable. Secondly, a novel methodology for fault detection, called frequency-located fault detection, based on novelty detection techniques that use one-class classifiers (OCC) to describe the normal machine performance. Here, the obtained order components, obtained using the OT model, are used as pseudo-observations of the vibration signal and a classification scheme is applied to determine if any new instance corresponds with an outlier. Therefore, this step makes a decision for each order component, assigning to each one a label either target or outlier. The advantage in this here is centered in the fact that allow determining the frequency range where the fault arises, reducing the search time and giving useful information to the machine operator. Finally, the cyclostationary properties of the order components are analyzed and inspected to identify the type of faults, which in this case are related with bearing failures. With the proposed methodologies to machine diagnostic, it is possible detecting efficiently that the fault exists, taking into account complex scenarios where the operating conditions are time-varying. Several experiments are discussed, lasting from laboratory test rigs to case studies such as ship driveline, wind turbine, gearbox and diesel engine, where the proposed OT model was tested estimating the instantaneous speed. Another significant finding is defined by the cyclic properties that the order components present because the model may be used as a preprocessing tool that contributes to separate stationary and cyclostationary processes whenever the operating condition of the machine be constant. In conclusion, the proposed methodology for machine diagnostic based on the OT model to extract blind components and to detect outlier behaviors is a promising tool in condition monitoring
dc.languagespa
dc.relationUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación Ingeniería Electrónica
dc.relationIngeniería Electrónica
dc.relationCardona Morales, Oscar (2016) Machine diagnostics based on blind signal extraction and novelty detection using non-stationary vibration signals. Doctorado thesis, Universidad Nacional de Colombia - Sede Manizales.
dc.rightsAtribución-NoComercial 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.titleMachine diagnostics based on blind signal extraction and novelty detection using non-stationary vibration signals
dc.typeTrabajo de grado - Doctorado


Este ítem pertenece a la siguiente institución