Metodología de detección de fallas de un motor síncrono

Authors

  • Yesenia Restrepo Chaustre Universidad Francisco de Paula Santander
  • José A. Becerra Vargas Universidad Francisco de Paula Santander
  • Aldo Pardo García Universidad de Pamplona

DOI:

https://doi.org/10.24054/rcta.v2i26.393

Keywords:

Motor síncrono, modelo matemático, detección de fallas, redes neuronales

Abstract

Este artículo se enmarca dentro del área de diagnóstico y detección de fallas en procesos industriales, enfocando su aplicación hacia los motores síncronos para identificar las fallas incipientes que afectan las principales ventajas de utilización de estos motores. En la actualidad, existen muchos métodos de detección y diagnóstico de fallas, pero esta investigación se enfoca en la detección de fallas por correlación y clasificación de las mismas utilizando redes neuronales artificiales.

References

Luna Moreno, H. “Pruebas y obtención de parámetros de la máquina síncrona”. Universidad Michoacana de San Nicolás de Hidalgo. México. 2008.

Aller, J. M. Conversión de energía eléctrica. Universidad Simón Bolívar. 2009.

M. Cisneros. M. A. Arjona. F.S Sellschopp. Identificación paramétrica de un generador síncrono a partir de la prueba de escalón de voltaje. Científica, Vol. 14, No. 1. pp. 33-39. Enero - Marzo, 2010.

Hernandez Cely, M. M. “Estudio para detección y diagnóstico de fallas en el proceso del generador de vapor de la central termoeléctrica trmotasajero colgener”. 2010.

Rubio Ávila, J. Modelado y control para una clase de sistemas no lineales desconocidos en tiempo discreto. 2007.

Gertler, J. J. Fault Detection and Diagnosis in Engineering Systems. New York: Marcel Dekker. 1998.

Fraile Mora, J. Máquinas Eléctricas. Quinta Edición. Mc Graw Hill. 2003.

Chapman, S. J. Máquinas Eléctricas. Cuarta Edición. Mc Graw Hill. 2005

Chow, M. Y.; Sharpe, R. N. and Hung, J. C. On the Application and Design of Artificial Neural Networks for Motor Fault Detection-Part I. IEEE Transactions on Industrial Electronics, Vol. 40. No. 2. April. 1993.

Cuevas Silva, O. Diagnóstico de fallas en un sistema no lineal empleando redes neuronales, México, 2009.

Aller, J. M. Universidad Simón Bolívar. Máquinas eléctricas rotativas: Introducción a la teoría general. Editorial Equinoccio, 2008.

Santos H., A. M. y Gómez R., C. A. Validación del modelo DQ0 de la máquina síncrona para estudios de transitorios electromagnéticos, 2010.

Pérez Londoño, A. M. y Romero R., Y. A. Medición indirecta de algunos parámetros de la máquina síncrona a partir de la medida del ángulo par, 2007.

Ohm, D. Y. Dynamic model of PM synchronous motors. Drivetech, Inc, Blacksburg, Virginia.

Korbics J., P. K. Artificial Neural Network to fault diagnosis. Wydawnictwa Naucowo- Techniezne WNT, Polonia, 2002.

Arafet P., P.; Chang M., F.; Torres A., M.; Dominguez A., H. Métodos de identificación dinámica, Universidad de Oriente, Junio, 2008.

Norgaard, M. Neural Networks for modelling and control of Dynamic Systems. Springer, Glasgow, Scotland, U.K., 2000.

Ruz-Hernández; J. A., Sánchez, E. N.; Suárez, D. A. Neural Network-based Scheme for Fault Diagnosis in Fossil Electric Power Plants, Proceedings of International Joint Conference on Neural Networks, Montreal, Canada, July 31 – August 4, 2005.

Kwok-Wai, L. Phase-domain synchronous generator model for transients simulation, April, 1995.

Downloads

Published

2021-01-13 — Updated on 2015-07-02

Versions

How to Cite

Restrepo Chaustre, Y. ., Becerra Vargas, J. A. ., & Pardo García, A. . (2015). Metodología de detección de fallas de un motor síncrono. COLOMBIAN JOURNAL OF ADVANCED TECHNOLOGIES, 2(26), 137–144. https://doi.org/10.24054/rcta.v2i26.393 (Original work published January 13, 2021)

Issue

Vol. 2 No. 26 (2015): July - December

Section

Artículos

License

Copyright (c) 2015 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Authors publishing in this journal agree to the following conditions:

  1. Authors retain the moral rights of authorship and grant the journal the right of first publication of the work. This work is licensed under the Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0 DEED), allowing third parties to use the work provided appropriate credit is given to the authors and the first publication in this journal. Commercial use of the work is not permitted, and derivative works cannot be created.
  2. Authors may enter into separate, additional contractual agreements for the non-exclusive distribution of the journal's published version of the article (for example, including it in an institutional repository or publishing it in a book), provided that the work is clearly indicated as having first been published in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., on institutional or personal websites) before and during the review and publication process, as it can lead to productive exchanges and greater and faster dissemination of the published work.

Most read articles by the same author(s)