Modelo computacional para el diagnóstico de fallas incipientes en un tren de engranes tipo aerogenerador

En este trabajo se presenta un modelo computacional para la identificación de fallas en un tren de engranes con la configuración de un aerogenerador comercial. Las señales utilizadas para el desarrollo del modelo fueron tomadas de un banco de pruebas realizado por el centro tecnológico CARTIF, para medir las vibraciones se utilizaron cuatro acelerómetros piezoeléctricos y un módulo de adquisición de datos de National Instruments. Dos reductoras acopladas simulan al tren de engranes en la plataforma de pruebas, por lo tanto los acelerómetros fueron colocados de manera ortogonal en la etapa paralela y planetaria de las reductoras. Las diferentes condiciones simuladas en el banco de pruebas fueron sin fallo, desbalance, desalineamiento y un fallo conjunto con los máximos valores de desbalance y desalineamiento. Para la extracción de rasgos de las diferentes condiciones mecánicas, el modelo computacional cuenta con dos opciones de procesamiento, una mediante el uso de coeficientes de predicción lineal (LPC) mientras que la segunda opción hace uso de los coeficientes cepstrales. Los análisis por medio de los coeficientes LPC y el Cepstrum han sido utilizados para el diagnóstico de fallas incipientes de máquinas rotatorias. Sin embargo, actualmente no se han reportado trabajos de investigación que hagan uso de ellos para valores de velocidad y carga variables como los empleados. La principal motivación del trabajo se enfoca en el empleo de estos métodos para poder comprobar su efectividad ante este tipo de condiciones y poder disminuir el tiempo de procesamiento que tienen otros enfoques reportados en la literatura. Haciendo uso de MATLAB® se realizó el procesamiento de señales con los diferentes métodos y las pruebas con los modelos neuronales, para posteriormente hacer una comparación de los diferentes métodos estudiados tanto en tiempo de procesamiento como en el porcentaje de clasificación de los diferentes modelos neuronales; un perceptrón multicapa y una red artificial de base radial para los LPC y el Cepstrum respectivamente. Con el software de ambiente gráfico LabVIEW™ se generaron instrumentos virtuales que permiten realizar la lectura de las señales de vibraciones de la base de datos utilizada, para emitir un diagnóstico de las condiciones actuales de la etapa del engranaje analizado