Diagnóstico predictivo de falla en un motor eléctrico utilizando su ruido acústico

Abstract

En la presente tesis se muestra que el ruido acústico de un motor contiene información de su estado de funcionamiento, para ello se ha implementado un sistema y se propone un método para el diagnóstico predictivo de un motor eléctrico trifásico de uso general, cuando la avería es la falla de uno de los devanados del motor. El sistema consiste en un micrófono para registrar la señal acústica del motor y un computador con software adecuado para elaborar y analizar los espectros de frecuencia. Los registros del sonido tienen una duración de tres segundos cada uno. El método consiste en construir el espectro de frecuencia del ruido acústico del motor, para ello se ha creado un instrumento virtual con el software Labview, el cual utiliza la transformada Discreta de Fourier. Este espectro pasa por un proceso de modificación que es la propuesta del autor de la tesis; la modificación consiste en sumar los coeficientes espectrales alrededor de las frecuencias múltiplo de 60 Hz, en un ancho de frecuencia de 10 Hz. Estos nuevos coeficientes son los utilizados para los cálculos. Se realiza el registro de diez archivos de sonido cuando el motor está sin avería. Se verifica la estabilidad de estas señales utilizando el coeficiente de correlación normalizado. El promedio de los coeficientes de correlación lineal normalizado entre los espectros del motor sin avería es igual a 0.9996 con una desviación estándar de 0.0003. Seguidamente se provoca la avería del motor, cortando la energía a uno de los 6 devanados del estator. Se realiza el registro de diez archivos de sonido para el motor con avería y se construye sus espectros de frecuencia modificado. Se procede a verificar la estabilidad de la señal. El promedio de los coeficientes de correlación lineal normalizado entre los espectros del motor averiado es 0.9244 con una desviación estándar de 0.013. Se compara el espectro promedio del motor sin avería frente a cada espectro del motor averiado, el valor promedio de los coeficientes de correlación lineal normalizado es 0.3551 con una desviación estándar de 0.11, este valor indica la pérdida de similitud entre los dos espectros.

This thesis shows that the acoustic noise of a motor contains information on its operating status, for this purpose a system has been implemented and a method is proposed for the predictive diagnosis of a three-phase electric motor of general use, when the fault is the failure of one of the motor windings. The system consists of a microphone to record the acoustic signal of the motor and a computer with suitable software to elaborate and analyze the frequency spectra. The sound records have a duration of three seconds each. The method consists in constructing the frequency spectrum of the acoustic noise of the motor, for this a virtual instrument has been created with the Labview software, which uses the Fourier Discreet transform. This spectrum goes through a modification process that is the proposal of the author of the thesis; the modification consists in adding the spectral coefficients around the multiple frequencies of 60 Hz, in a frequency width of 10 Hz. These new coefficients are those used for the calculations. Ten sound files are registered when the engine is faultless. The stability of these signals is verified using the normalized correlation coefficient. The average of the normalized linear correlation coefficients between the spectra of the motor without failure is equal to 0.9996 with a standard deviation of 0.0003. Then the engine breakdown is caused, cutting off the power to one of the 6 stator windings. The recording of ten sound files for the faulty motor is made and its modified frequency spectra are constructeE. The stability of the signal is checkeE. The average of the normalized linear correlation coefficients between the spectra of the damaged motor is 0.9244 with a standard deviation of 0.013. The average spectrum of the motor without fault is compared against each spectrum of the damaged motor, the average value of the normalized linear correlation coefficients is 0.3551 with a standard deviation of 0.11, this value indicates the loss of similarity between the two spectra.