ES2549652A1 - Método y sistema para detectar automáticamente fallos en un eje rotatorio - Google Patents

Abstract

Método y sistema para detectar automáticamente fallos en un eje rotatorio. La presente invención se refiere a un método y un sistema para detectar automáticamente fallos en un eje rotatorio. La invención comprende los pasos de: adquirir, mediante al menos un sensor, una señal de tipo vibratorio del eje rotatorio; procesar, mediante un procesador, en el dominio del tiempo y en el dominio de la frecuencia, la señal adquirida por el sensor, obteniendo como resultado de dicho procesado, unas medidas de energía de la señal adquirida; comparar, en el procesador, las medidas de energía con unos patrones de energía previamente establecidos; y finalmente determinar si existe algún fallo en el eje rotatorio en base a la comparación entre las medidas de energía y los patrones previamente establecidos.

Description

imagen1

imagen2

imagen3

imagen4

imagen5

imagen6

imagen7

imagen8

señales, se introducen en una red neuronal (8) entrenada con muestras anteriores para comparar y clasificar las señales dependiendo del estado del eje. Los fallos detectados se identifican automáticamente con unas muy altas tasas de acierto.

Para aplicar los métodos de monitorización de engranajes y rodamientos al caso de ejes ferroviarios, que son elementos muy críticos, se han realizado de acuerdo a distintas realizaciones de la presente invención estudios sobre varios funcionales para llegar a la conclusión de cuáles son los indicadores más óptimos de la presencia de un defecto en un eje, como puede ser una grieta o una fisura.

Los funcionales habitualmente estudiados en el estado de la técnica son por un lado, parámetros estadísticos (como la media, la mediana, la desviación estándar, el sesgo, la kurtosis, el valor eficaz, el mínimo, el máximo, el valor de pico-pico, el valor de pico, el factor de forma o el factor de cresta) y por otro, representaciones de la señal que permitan estudiarla tanto en el dominio del tiempo como de la frecuencia.

Respecto a las representaciones en el dominio de la frecuencia, tradicionalmente han sido utilizadas para examinar los picos de frecuencias en los que se modifica la amplitud o que se ven desplazados por la presencia de un defecto. Esto es debido a que la presencia de una grieta en un elemento estructural, reduce la rigidez del mismo, por lo que las frecuencias naturales se ven reducidas, y cambian los modos de vibración. El estudio de las frecuencias naturales ha sido siempre el primer paso para encontrar un indicador de daño en un elemento mecánico, ya que puede ser medido de forma fácil y rápida y que está poco contaminado por ruido experimental. Realizando un análisis exhaustivo por bandas de frecuencia, se detectan las diferencias de energía en determinadas franjas que indican la presencia de un defecto, pero la principal desventaja que tiene esta técnica, es que cuando aparece un defecto, los cambios en las frecuencias naturales son muy pequeños, y pueden ser tapados debido a errores experimentales.

En la presente invención, sin embargo, no se observan los modos de vibración, sino las señales de respuesta que aparecen durante el movimiento normal de la máquina asociada al eje rotatorio, con lo que se contará con la desventaja del ruido.

En cuanto a los funcionales que describen una señal en el dominio del tiempo y la frecuencia destaca la transformada wavelet, que es la elegida por la presente invención.

10

imagen9

imagen10

imagen11

imagen12

posibilidades se han hecho distintas pruebas para comprobar cuál es la más adecuada para el caso particular de detección de fallos en ejes mediante la ejecución de distintos ensayos. En los casos de prueba, de acuerdo a una realización de la invención, se han utilizado como patrones la energía de los paquetes wavelet obtenidos a partir de una wavelet madre Daubechies 6 y con un nivel de descomposición igual a 3. Es decir, se presentan a la red neuronal como entrada 8 niveles de energía correspondientes a los 8 paquetes (23), como los representados en la Fig. 7. Se han realizado pruebas con dos tipos de RNA multicapa integradas en la toolbox de MATLABTM de fácil aplicación, que permitirán estudiar la aplicabilidad de este tipo de sistema de clasificación al caso particular de ejes de ferrocarril. Estas son la red de tipo FeedForward y la red de reconocimiento de patrones (pattern recognition):

-La RNA Feed Forward (unidireccional) se trata de una red neuronal multicapa con funciones de activación en su capa oculta de tipo sigmoidea. Se denomina Feed-Forward porque la información se propaga hacia delante y no hay ningún tipo de realimentación.

Se entrena esta red neuronal con los 8 valores de energía de los paquetes wavelet de las señales obtenidas con el sistema (patrones). En los ejemplos concretos que se muestran a continuación, se ha trabajado con 1000 señales, correspondientes con ejes sanos y ejes con defecto (el 16% profundidad de fisura respecto del diámetro del eje). El 75% de dichas señales se han utilizado para el entrenamiento de la red y el 25% (400 vectores patrón de dimensión 8) restante se le ha presentado a la red ya entrenada como sistema de validación. En esta configuración de red, se han utilizado 8 neuronas en la capa de entrada (correspondiente a la dimensión del vector patrón), 5 neuronas en la capa oculta y una neurona en la capa de salida correspondiente al resultado de la clasificación. En esta primera aproximación se ha elegido como respuesta: 0 para eje sano y 1 para eje con defecto.

En los resultados experimentales puede comprobarse la convergencia del error. En 26 iteraciones el algoritmo converge al valor establecido, sin embargo, el mejor valor de validación previa se consigue en la iteración 20 con un error de 0,0158. En cambio, una vez la red ya ha sido entrenada, al presentar nuevos patrones a clasificar se obtiene una tasa de éxito del 84,25%. Además el algoritmo presentado tiene una tasa de acierto del 100% cuando se le presenta

15

imagen13

Claims (1)

1. imagen1

   imagen2