Diseño y montaje de un banco de pruebas para detección y clasificación de fallas en rodamientos de bola para máquinas rotativas

Vista sencilla de ítem
dc.contributor.advisorMaradey Lázaro, Jessica Gisellaspa
dc.contributor.authorBlanco Rodríguez, John Jairospa
dc.contributor.authorMelgarejo Agudelo, Carlos Fabiánspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000040553*
dc.contributor.researchgatehttps://www.researchgate.net/profile/Jessica_Maradey_Lazaro*
dc.contributor.scopushttps://www.scopus.com/authid/detail.uri?authorId=57207878442*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2021-02-09T16:46:06Z
dc.date.available2021-02-09T16:46:06Z
dc.date.issued2021-01-21
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractEl presente trabajo hace referencia al diseño y montaje de un banco de pruebas para detección y clasificación de fallas en rodamientos de bola para máquinas rotativas, implementando un algoritmo off-line que permite detectar y clasificar fallas por desgaste (leve o agresivo) de anillo exterior e interior; utilizando redes neuronales artificiales (ANN) como técnica principal de clasificación. Mediante la implementación de tres kits de ejes con distintas condiciones (Condición norma, condición con falla externa y condición con falla interna) se realiza la toma señales de vibración mediante la integración de un sensor piezoeléctrico Dytran 3056D2, en conjunto con una tarjeta de adquisición de datos NI-9230. Posteriormente en una interfaz desarrollada en LabVIEW se realiza el procesamiento de la señal y en conjunto con MATLAB se obtienen los resultados de acuerdo con la falla tratada.spa
dc.description.abstractenglishThis paper deals with the design and assembly of a test bench for the detection and classification of ball bearings faults for rotating machines. The tests implement an off-line algorithm that allows detecting and classifying wear failures (slight or aggressive) of the outer and inner rings using artificial neural networks (ANN) as the classification technique. Through the use of three sets of axles under different fault conditions (standard condition, external fault condition, and internal fault condition) vibration signals are collected by integrating a Dytran 3056D2 piezoelectric sensor in conjunction with a NI-9230 signal acquisition module. Later, the signal processing is carried out in an interface developed in LabVIEW and together with Matlab the results are obtained according to the fault being analyzed.eng
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsINTRODUCCIÓN ............................................................................................................... 16 1. OBJETIVOS ................................................................................................................ 17 1.1. Objetivo General .................................................................................................. 17 1.2. Objetivos específicos ........................................................................................... 17 2. PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACIÓN .................................. 18 3. ANTECEDENTES ....................................................................................................... 20 4. ESTADO DEL ARTE .................................................................................................. 21 5. MARCO TEÓRICO ..................................................................................................... 26 5.1. ¿Qué son los rodamientos?................................................................................... 26 5.2. Funciones principales de un rodamiento .............................................................. 26 5.3. Carga radial y axial en rodamientos ..................................................................... 27 5.4. Tipos de rodamientos ........................................................................................... 27 5.4.1. Rodamientos de bola .................................................................................... 28 5.4.2. Rodamientos de rodillo ................................................................................ 29 5.5. Partes de un rodamiento ....................................................................................... 31 5.5.1. Anillo interior / Anillo exterior: ................................................................... 31 5.5.2. Elementos Rodantes ..................................................................................... 31 5.5.3. Jaula.............................................................................................................. 31 5.6. Vida del rodamiento ............................................................................................. 31 5.6.1. Índice básico de carga .................................................................................. 32 5.7. Causas de fallas en rodamientos .......................................................................... 33 5.7.1. Falla Lubricación ......................................................................................... 33 5.7.2. Contaminación ............................................................................................. 34 5.7.3. Falla en Montaje y manipulación ................................................................. 34 5.7.4. Desalineamiento ........................................................................................... 35 5.7.5. Corrosión ...................................................................................................... 36 5.7.6. Falla Eléctrica............................................................................................... 36 5.7.7. Fatiga ............................................................................................................ 37 5.7.8. Mal Ajuste .................................................................................................... 37 5.8. Etapas de fallas en rodamientos ........................................................................... 38 5.8.1. Etapa I .......................................................................................................... 38 5.8.2. Etapa II ......................................................................................................... 38 5.8.3. Etapa III ........................................................................................................ 39 5.8.4. Etapa IV ....................................................................................................... 39 5.9. Principales técnicas de detección y diagnóstico de fallos en rodamientos .......... 39 5.9.1. Vibraciones .................................................................................................. 40 5.9.2. Redes Neuronales Artificiales ...................................................................... 43 5.9.3. Redes Neuronales Convolucionales ............................................................. 46 5.9.4. Máquinas de Soporte Vectorial .................................................................... 48 5.10. Spectral Density Power (PSD) ............................................................................. 51 5.10.1. Métodos ........................................................................................................ 52 5.11. Cross Power Spectral Density (CPSD) ................................................................ 52 5.11.1. Estimación del verdadero CSD .................................................................... 52 5.12. Coeficientes de Fourier ........................................................................................ 53 5.13. Ventana Hamming ............................................................................................... 53 6. DISEÑO METODOLÓGICO ...................................................................................... 55 6.1. Modelo en V ......................................................................................................... 55 6.2. Diseño mecánico .................................................................................................. 55 6.2.1. Análisis Estático ........................................................................................... 55 6.2.2. Diseño del eje para el banco de pruebas ...................................................... 58 6.3. Planos en SolidWorks .......................................................................................... 60 6.4. Selección de componentes ................................................................................... 62 6.4.1. Selección Acoples ........................................................................................ 62 6.4.2. Selección de rodamiento .............................................................................. 63 6.5. Selección de instrumentación ............................................................................... 64 6.5.1. Selección del motor ...................................................................................... 64 7.1.1. Selección de la carga .................................................................................... 66 7.1.2. Selección del variador de frecuencia............................................................ 66 6.1.1. Selección del acelerómetro .......................................................................... 68 6.1.2. Selección de la tarjeta adquisición de datos ................................................. 69 6.2. Selección de lenguaje de programación ............................................................... 69 11.1. Ensamble CAD .................................................................................................... 71 11.2. Selección de técnica de detección y clasificación ................................................ 72 11.3. Extracción de características ................................................................................ 72 11.3.1. Análisis de componentes principales ........................................................... 72 11.4. Clasificador Neuronal .......................................................................................... 73 11.4.1. Adaline ......................................................................................................... 73 11.4.2. Multilayer Perceptron................................................................................... 75 12. RESULTADOS Y EVIDENCIAS ........................................................................... 76 12.1. Banco de pruebas final ......................................................................................... 76 12.2. Protocolo de pruebas ............................................................................................ 77 12.3. Inducción de Fallas .............................................................................................. 78 12.3.1. Condición Normal ........................................................................................ 78 12.3.2. Falla Externa ................................................................................................ 79 12.3.3. Falla Interna ................................................................................................. 80 12.4. Interfaz LabVIEW ................................................................................................ 80 12.5. Calibración del sensor .......................................................................................... 83 12.6. Adquisición de datos, ........................................................................................... 84 12.6.1. Prueba 1: Condición Normal ........................................................................ 89 12.6.2. Prueba 2: Falla Externa ................................................................................ 91 12.6.3. Prueba 3: Falla Interna ................................................................................. 94 12.7. Análisis de espectros ............................................................................................ 96 12.8. Representación de datos obtenidos ...................................................................... 97 12.9. Problemas durante el desarrollo ........................................................................... 98 13. DETECCIÓN Y CLASIFICACIÓN DE FALLAS MEDIANTE REDES NEURONALES ................................................................................................................... 99 13.1. Red Neuronal Etapa entrenamiento .................................................................. 99 13.2. Análisis de espectros .......................................................................................... 104 13.3. Reducción de componentes ................................................................................ 105 13.4. Etapa de entrenamiento ...................................................................................... 106 13.5. Desempeño Etapa de prueba ........................................................................... 113 13.6. Comparación de estrategias................................................................................ 118 14. CONCLUSIONES ................................................................................................. 119 15. RECOMENDACIONES Y TRABAJO FUTURO ................................................ 120 16. BIBLIOGRAFÍA ................................................................................................... 121 17. ANEXOS ............................................................................................................... 124spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/12168
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.relation.references[1] Jinglong, C., Yanyang, Z., Zhengjia, H., & Jing, Y. (2013). Compound faults detection of rotating machinery using improved adaptive redundant lifting multiwavelet, Mech. Syst. Signal Process. 36 54.spa
dc.relation.references[2] Kurfess, T., Billington, S., & Liang, S. (2006). Advanced Diagnostic and Prognostic Techniques for Rolling Element Bearings. Springer Series in Advanced Manufacturing. Ed. Springer. London, pp. 137-165.spa
dc.relation.references[3] Moreno, M., Villarraga, J., & Moreno, R. (2018). Diagnóstico de fallas tempranas de rodamientos en mecanismos susceptibles al desbalanceo y a la desalineación. Universidad Industrial de Santander. Bucaramangaspa
dc.relation.references[4] Rodriguez, A. (2016). Redes neuronales Elman con valores singulares para el diagnóstico de la severidad de fallos en equipos de rotación. Pontificia universidad católica de valparaíso. Valparaiso.spa
dc.relation.references[5] Gómez, V., & Moreno, R. (2013). Clasificador neuronal de fallos en rodamientos utilizando entradas basadas en transformadas Wavelet Packet y de Fourier. Revista Facultad de Ingeniería Universidad de Antioquia, 126-136.spa
dc.relation.references[6] Medrano, Z., Pérez, C., Gómez, J., & Vera, P. (2000). Nueva metodología de diagnóstico de fallas en rodamientos en una máquina síncrona mediante el procesamiento de señales vibro-acústicas empleando análisis de densidad de potencia. Universidad Autónoma de Baja California. Ingeniería Investigación y Tecnología, volumen XVII (número 1).spa
dc.relation.references[7] López, D. (2016). Diagnóstico de fallas de rodamientos de equipos de rotación utilizando redes neuronales artificiales. Pontificia universidad católica de Valspa
dc.relation.references[8] Jian, X., Li, W., Guo, X., & Wang, R. (2019). Fault Diagnosis of Motor Bearings Based on a One-Dimensional Fusion Neural Network. Sensors, 19, 122spa
dc.relation.references[9] Jiangquan, Z., Yi, S., Liang, G., Hongli, G., Xin, H., & Hongliang, S. (2019). A new bearing fault diagnosis method based on modified convolutional neural networks. Chinese Journal of Aeronautics,spa
dc.relation.references[10] Wang, H., Xu, J., & Yan, R. (2019). Bearing Fault Diagnosis Based on Visual Symmetrized Dot Pattern and CNNs. 1-6spa
dc.relation.references[11] Ortiz, C. (2015). Causas de falla de rodamientos. Relimans.spa
dc.relation.references[12] NskAmericas. ¿Qué es un Rodamiento? NSKspa
dc.relation.references[13] Velazco, F. (2008). Modos de fallas comunes en rodamientos. Universidad Nacional de Colombia.spa
dc.relation.references[14] Estupiñán, E., & Saavedra, P. (2015). Técnicas de diagnóstico para el análisis de vibraciones de rodamientos. Universidad de Concepciónspa
dc.relation.references[15] Llogsa Mercadotecnia. (2014). Detección de defectos por ultrasonido en servicio. YouTube.spa
dc.relation.references[16] Hurtado, L., Villarreal, E., & Villarreal, L. (2016). Detección y diagnóstico de fallas mediante técnicas de inteligencia artificial, un estado del arte. DYNA, 83(199), 19-28.spa
dc.relation.references[17] Quintero, C., Merchán, F., Cornejo, A., & Galán, J. (2018). Uso de Redes Neuronales Convolucionales para el Reconocimiento Automático de Imágenes de Macroinvertebrados para el Biomonitoreo Participativo. KnE Engineering, 3(2), 585-596.spa
dc.relation.references[18] Magdy M. (2014). Mechatronics System Design. MDP 454. Mechatronicsspa
dc.relation.references[19] Gomis, M. (2015). Introducción a los cojinetes y rodamientosspa
dc.relation.references[20] Jagdale, Manoj & Garikapati, Diwakar. (2018). A critical review of condition monitoring parameters for fault diagnosis of rolling element bearing. IOP Conference Series: Materials Science and Engineering.spa
dc.relation.references[21] N. I. Azeez and A. C. Alex, "Detection of rolling element bearing defects by vibration signature analysis: A review," 2014 Annual International Conference on Emerging Research Areas: Magnetics, Machines and Drives.spa
dc.relation.references[22] Devaney, M.J. & Eren, Levent. (2005). Detecting Motor Bearing Faults. Instrumentation & Measurement Magazine.spa
dc.relation.references[23] Zuozhou Pan, Zong Meng, Zijun Chen, Wenqing Gao, Ying Shi. A two-stage method based on extreme learning machine for predicting the remaining useful life of rolling-element bearings, Mechanical Systems and Signal Processingspa
dc.relation.references[24] Reuben LCK, Mba D. Bearing time-to-failure estimation using spectral analysis features. Structural Health Monitoring. 2014.spa
dc.relation.references[25] Eren, Levent. (2017). Bearing Fault Detection by One Dimensional Convolutional Neural Networks. Mathematical Problems in Engineering. 2017.spa
dc.relation.references[26] I. Samy, I. Fan and S. Perinpanayagam, "Fault diagnosis of rolling element bearings using an EMRAN RBF neural network- demonstrated using real experimental data," 2010 Sixth International Conference on Natural Computation, Yantai, 2010.spa
dc.relation.references[27] Tyagi, S., Panigrahi, S. (2017). A DWT and SVM based method for rolling element bearing fault diagnosis and its comparison with Artificial Neural Networks. Journal of Applied and Computational Mechaspa
dc.relation.references[28] Jiangquan ZHANG, Yi SUN, Liang GUO, Hongli GAO, Xin HONG, Hongliang SONG. A new bearing fault diagnosis method based on modified convolutional neural networks, Chinese Journal of Aeronautics, Volume 33, Issue 2, 2020.spa
dc.relation.references[29] Langarica, C. Rüffelmacher and F. Núñez, "An Industrial Internet Application for Real- Time Fault Diagnosis in Industrial Motors," in IEEE Transactions on Automation Science and Engineering, vol. 17, no. 1, pp. 284-295, Jan. 2020spa
dc.relation.references[30] A. Boudiaf, A. Djebala, H. Bendjma, A. Balaska and A. Dahane, "A summary of vibration analysis techniques for fault detection and diagnosis in bearing," 2016 8th International Conference on Modelling, Identification and Control (ICMIC), Algiers, 2016.spa
dc.relation.references[31] Nguyen, Hoang-Phuong & Kim, Jongmyon. (2015). Multifault Diagnosis of Rolling Element Bearings Using a Wavelet Kurtogram and Vector Median-Based Feature Analysis. Shock and Vibration. 2015.spa
dc.relation.references[32] Qijun Xiao, Z. Luo and Junlan Wu, "Fault detection and diagnosis of bearing based on local wave time-frequency feature analysis," 2015 11th International Conference on Natural Computation (ICNC), Zhangjiajie, 2015.spa
dc.relation.references[33] C. Zhang, B. Chen, F. Wan and B. Song, "Multi-Faults Diagnosis of Rotating Bearings Using Flexible Time-Frequency Analysis Technique," 2018 International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC), Xi'an, China, 2018spa
dc.relation.references[34] C. E. Khamoudj, F. B. Tayeb, K. Benatchba and M. Benbouzid, "Induction Machines Bearing Failures Detection and Diagnosis using Variable Neighborhood Search," IECON 2019 - 45th Annual Conference of the IEEE Industrial Electronics Society, Lisbon, Portugal, 2019.spa
dc.relation.references[35] Peeters, Cédric & Guillaume, Patrick & Helsen, Jan. (2016). Vibration data preprocessing techniques for rolling element bearing fault detectionspa
dc.relation.references[36] Wang, Wilson & Lee, Hewen. (2013). An energy kurtosis demodulation technique for signal denoising and bearing fault detection. Measurement Science and Technology.spa
dc.relation.references[37] Análisis de daños en los rodamientos Timken y Guía de referencia sobre lubricación. (2015). The Timken Companyspa
dc.relation.references[38] Borras, C.Pattern recognition in hydraulic backlash using neural network. Master Thesis, University of Oklahoma, 2001.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMechatroniceng
dc.subject.keywordsDetectioneng
dc.subject.keywordsClassificationeng
dc.subject.keywordsBall bearingeng
dc.subject.keywordsFaultseng
dc.subject.keywordsOuter ringeng
dc.subject.keywordsInner ringeng
dc.subject.keywordsTechniqueeng
dc.subject.keywordsANNeng
dc.subject.keywordsSignaleng
dc.subject.keywordsVibrationeng
dc.subject.keywordsBall bearingseng
dc.subject.keywordsMachineryeng
dc.subject.keywordsFrictioneng
dc.subject.keywordsRolling contacteng
dc.subject.keywordsRotary machineseng
dc.subject.keywordsMechanical designeng
dc.subject.lembMecatrónicaspa
dc.subject.lembCojinetes de bolasspa
dc.subject.lembMaquinariaspa
dc.subject.lembFricciónspa
dc.subject.lembContacto de rodaduraspa
dc.subject.lembMáquinas rotativas
dc.subject.lembDiseño mecánico
dc.subject.proposalDetecciónspa
dc.subject.proposalClasificaciónspa
dc.subject.proposalRodamientosspa
dc.subject.proposalFallasspa
dc.subject.proposalAnillo exteriorspa
dc.subject.proposalAnillo interiorspa
dc.subject.proposalTécnicaspa
dc.subject.proposalANNspa
dc.subject.proposalSeñalspa
dc.subject.proposalVibraciónspa
dc.titleDiseño y montaje de un banco de pruebas para detección y clasificación de fallas en rodamientos de bola para máquinas rotativasspa
dc.title.translatedDesign and assembly of a test bench for the detection and classification of failures in ball bearings for rotating machinesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
2020_Tesis_John_Jairo_Blanco.pdf
Tamaño:
12.38 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
2020_Licencia_John_Jairo_Blanco.pdf
Tamaño:
254.74 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Mecatrónica