MXPA99000473A - Sistema de deteccion de fallas basado en modelo para motores electricos - Google Patents

Abstract

La presente invención se refiere a un sistema de detección de fallas basado en modelo y a un método para monitorear y predecir requerimientos de mantenimiento de motores eléctricos. Puesto que el método y el sistema de la presente invención se basan en programática y emplean datos obtenidos a partir de mediciones no intrusivas, los costos de implementación son significativamente menores que los costos de implementación de los métodos de mantenimiento de la técnica anterior. El sistema comprende un dispositivo de cómputo conectado a sensores que proporcionan información continua, en tiempo real, del voltaje de entrada y corriente y velocidad de motor. El sistema y el método emplean un algoritmo de formación de modelo experimental de variables múltiples para obtener una descripción matemática del motor. El algoritmo compara el resultado modelado con un resultado medido y cuantifica la comparación en términos de un residuo generado restando las señales respectivas. Un observador de diagnóstico analiza el residuo y determina si el motor estálibre de fallas o bien no opera de una manera exenta de fallas. Al detectar la falla inminente, el observador de diagnóstico evalúa las variables medidas del motor, determina la desviación en relación con el valor de referencia y desarrolla un diagnóstico del probable componente que estáfallando. Otra modalidad de la presente invención es especialmente para llevar a cabo pruebas de control de calidad.

Description

? SISTEMA DE DETECCIÓN DE FALLAS BASADO EN MODELO PARA MOTORES .ELÉCTRICOS ANTECEDENTES DE LA INVENCIÓN La presente invención se refiere a motores eléctricos. Más 5 particularmente, la presente invención se refiere a un método y aparato para el momtoreo de las condiciones y el .* * y «* mantenimiento predictivo de motores eléctricos. * ' ' - ' - Los motores eléctricos se emplean ampliamente en equipos industriales y procesos industriales donde tales motores se usan para desplazar artículos a lo largo de una línea de montaje a partir de una estación hacia otra o bien como fuente de energía para herramientas empleadas por los armadores. Ejemplos incluyen compresores de aire que proporcionan aire comprimido a desarmadores motorizados, rociadores de pintura y otros pequeños dispositivos manuales . Motores eléctricos con una potencia mas elevada Je ' mantienen el control ambiental mediante el enfriamiento, ^ calentamiento y transporte de aire a través del sistema de cal entamiento y enfriamiento en edificios y vehículos. En el entorno domestico y de la oficina, se emplean motores eléctricos en dispositivos que van desde computadoras hasta aspiradoras. Como se sabe en general, dichos dispositivos , constituyen una fuente principal de ruido y de vibración. Por consiguiente, existe una demanda creciente del mercado en cuanto a motores más silenciosos y exentos de vibraciones y dicha demanda puede ser satisfecha solamente a través del diseño y de la producción de motores más silenciosos y exentos de fallas. > En el entorno de la fabricación, la falla inesperada del 5 motor es indeseable y costosa. En el entorno industrial, la falla de un motor puede tener un impacto financiero significativo si se cierra una línea de montaje durante el tiempo requerido para reparar o reemplazar el motor. Además, en algunos procesos de fabricación como, por ejemplo, en una instalación de fabricación de semiconductores, la falla de M un motor crítico podría resultar en daño al producto si se compromete el control del ambiente . Por consiguiente, existe una demanda creciente para mejorar la confiabilidad de los motores eléctricos en general y, especialmente, en aplicaciones industriales, para detectar futuras fallas de tal manera que los motores puedan ser reparados o reemplazados durante el mantenimiento de rutina en vez de repararlos o reemplazarlos después de una falla. » ?s también deseable mejorar la confiabilidad de los motores - t - ' 20 eléctricos a través de un monitoreo mejorado del control de la calidad durante la fabricación de los motores eléctricos. Es además deseable detectar fallas de motor antes de la aparición de una falla catastrófica mediante el monitoreo del desempeño durante la operación. 25 Recientemente, se han desarrollado métodos de detección y diagnóstico de fallas que comparan las señales de salida de sistemas complejos con la señal de entrada obtenida a partir de un modelo matemático del sistema exento de falla. La comparación de estas señales se cuantifica en términos de un "residuo" que es la diferencia entre las dos señales. El análisis de los residuos se lleva a cabo para determinar el tipo de falla. Éste análisis incluye métodos estadísticos para comparar los residuos con una base de datos de residuos para sistemas con fallas conocidas. Hasta recientemente ^ ha sido difícil obtener modelos precisos, en tiempo real, para sistemas de variables múltiples es decir, sistemas con más que una entrada y/o una salida. Si el modelo del sistema no es preciso, los residuos contendrán errores de modelado que serán difíciles de separar del efecto de fallas reales. Otra limitación de tales métodos FDD se refiere a la dificultad de generar una base de datos para probar estadísticamente residuos para clasificar las fallas. El desarrollo de una base de datos de este tipo requiere de una información a priori en cuanto a todas las fallas posibles y en cuanto al efecto de cada una de dichas fallas sobre los residuos. Por consiguiente, se requiere de un período de tiempo para monitorear equipo defectuoso y equipo normal y para desarrollar una base de datos que contiene firmas de falla con el objeto de clasificar las fallas. Este propósito es costoso y requiere de mucho tiempo. Así mismo, la base de datos debe también cumplir con los requerimientos específicos de un esquema FDD particular. Puesto que las fallas mecánicas son el resultado de vibración, la detección y análisis de las vibraciones es un elemento común que comparten muchos esquemas de detección de la técnica anterior. Tales técnicas requieren del desarrollo de una biblioteca que muestra los patrones de vibración de motor previamente experimentados que son correlacionados con la falla detectada. Una desventaja común de la detección de fallas mecánicas es que el esquema requiere de información a priori en cuanto a la firma de la falla con el objeto de correlacionar la falla real con la firma detectada. Dicha correlación requiere del desarrollo de una base de datos extensa y de un análisis laborioso y de una gran experiencia con el manejo del motor. Otro inconveniente de la detección de fallas mecánicas proviene de la dificultad asociada con la reproducción de las mediciones. Por ejemplo, las mediciones de vibración empleando un acelerómetro dependen en gran medida del método de montaje y del posicionamiento del sensor para asegurar una detección repetible de la firma. Aún con un montaje y posicionamiento adecuado del sensor, la detección de la firma puede ser afectada por vibración de fondo y variaciones en cuanto a las condiciones de operación como, por ejemplo, velocidad de operación, voltaje de entrada y carga del motor. Se observará que la probabilidad de una indicación errónea de falla en un sistema que se basa en una detección de falla mecánica es alta. Como ejemplo, la evaluación de la condición de los soportes del motor incluye el análisis de la vibración mecánica del motor y la separación de las frecuencias específicas relacionadas solamente con fallas de soporte (y/o cualquier suma o diferencia de frecuencias y armónicas relacionadas) . Desafortunadamente, la presencia y la posible coincidencia de otras vibraciones en el espectro de vibraciones interfiere frecuentemente con la detección de la señal deseada. Se requieren de dispositivos costosos y sofisticados para obtener la información deseada y el éxito de dicho sistema para detectar o predecir una falla es inferior a lo deseable. Por consiguiente, es deseable eliminar las complicaciones provocadas por los errores de modelo y tanto las indicaciones falsas como las indicaciones faltantes de las fallas del motor. Es también deseable evitar tener que desarrollar una base de datos extensa y una experiencia desarrollada de manera laboriosa en cuanto al análisis de la causa de las fallas en motores eléctricos. Es además deseable eliminar ? la necesidad de dispositivos costosos y sofisticados para obtener y procesar una información que puede indicar la existencia de una falla. COMPENDIO DE LA INVENCIÓN La presente invención se refiere a un sistema de detección de fallas basado en un modelo y un método para 5 requerimientos de mantenimiento de monitoreo y predictivo de motores eléctricos y más particularmente motores eléctricos de potencia fraccionaria. Usando el sistema, es posible obtener información para un diagnóstico temprano de fallas mecánicas inminentes del motor eléctrico en el entorno operacional bajo condiciones de carga desconocidas. Puesto U que el método y sistema de la presente invención se basa en programática y emplea datos obtenidos de mediciones no intrusivas, los costos de implementación son significativamente menores que en el caso de los métodos de mantenimiento de la técnica anterior. El sistema comprende un dispositivo de cómputo conectado a sensores de voltaje, corriente y velocidad por medio de un dispositivo de adquisición de datos de funciones múltiples. > Los sensores proporcionan una información en tiempo real continua del voltaje y de la corriente de entrada y de la señal de voltaje de salida desarrollada por el tacómetro del motor. El dispositivo de cómputo emplea esta información para activar continuamente un algoritmo de detección y diagnóstico de fallas en combinación con un observador de diagnóstico.

El sistema y método emplea un algoritmo de modelo experimental de variables múltiples para obtener un modelo del motor eléctrico mediante la determinación de la estructura, que es el orden de las ecuaciones diferenciales que describen matemáticamente el motor, y los parámetros invariables del motor, es decir, parámetros tales como inductancia, resistencia del motor, momento de inercia, parámetros no físicos tales como matrices, A, B y C de ecuaciones de estado que describen el motor y otros parámetros seleccionados. En la modalidad preferida, el modelo del motor eléctrico se desarrolla cuando se sabe que el motor está funcionando sin fallas, habitualmente después de la instalación inicial del motor. Posteriormente, durante la operación, se calcula la señal de voltaje de salida modelo en base al voltaje de entrada real y a la corriente aplicada al motor y se compara continuamente con la señal de voltaje de salida medida del motor. El algoritmo cuantifica la comparación en términos de un residuo generado restando las señales respectivas. El observador de diagnóstico analiza el residuo y determina si el motor se encuentra exento de fallas o bien opera de manera otra que en una condición exenta de fallas. Cuando opera sin fallas, el residuo es idealmente igual a cero aún cuando en operación se puede seleccionar un umbral de tolerancia para compensar los errores de modelo y ruido o bien otras perturbaciones que pueden resultar en un residuo no igual a cero . Cuando un componente de motor se degrada de tal manera que " el motor está operando fuera de su rango de operación previsto o bien cuando ocurre de hecho una falla, el residuo tendrá un valor no cero superior al umbral de tolerancia. Cuando el dispositivo de cómputo detecta un residuo no cero, es probable que se trate de una falla inminente y se proporciona una advertencia de tal manera que se puedan tomar medidas apropiadas para minimizar el efecto que sería k causado de otra forma por un motor no funcional . Al detectar la falla inminente, el observador de diagnostico evalúa las variables medidas del motor, determina la desviación del valor de referencia y desarrolla un diagnóstico del componente que está fallando o que fallará probablemente. En otra modalidad de la presente invención, se presenta un sistema para la detección y el diagnóstico de fallas mecánicas de motores eléctricos de potencia fraccionaria. En vez de desarrollar una base de datos extensa para correlacionar fallas con señales medidas, la presente modalidad incorpora un modelo matemático de un motor exento de fallas y mide los parámetros de operación del motor en condiciones de prueba que son insensibles a distorsión ambiental, operacional y de montaje. 25 Esta modalidad es especialmente útil en la fabricación de motores eléctricos de potencia fraccionaria y especialmente en el desarrollo de prueba de control de calidad. Después de la fabricación de varios motores, se emplea un algoritmo de > identificación de sistema de variables múltiples para 5 desarrollar un modelo de base que emplea la población disponible entera de motores . Se entenderá que la población puede contener varios motores con fallas de tal manera que es necesario retinar el modelo seleccionando un umbral de tolerancia y probando de nuevo cada motor contra el modelo.

Los motores que caen fuera del umbral son removidos de la b población y los motores restantes se emplean para desarrollar un modelo de base revisado. El modelo de base revisado se almacena en un dispositivo de cómputo para pruebas de control de calidad de todos los motores fabricados subsecuentemente . Si durante la prueba de control de calidad los parámetros tales como inductancia, resistencia de motor, coeficiente de fricción o momento de inercia de un motor caen fuera de la > tolerancia umbral determinada en el modelo de motor de base, el motor que se está probando se clasifica como teniendo una falla. Comparando los parámetros del motor que se está probando con el modelo de motor de base con diferentes límites de tolerancia, es posible clasificar adicionalmente la falla del motor y presentar visualmente una información de diagnóstico.

BREVE DESCRIPCIÓN DE LOS DIBUJOS La figura 1 es una representación esquemática de un motor eléctrico útil para practicar una modalidad preferida de la presente invención. La figura 2 es una vista superior de un recinto de motor típico. Las figuras 3 y 4 muestran formas de onda de entrada y salida típicas para practicar una modalidad de la presente invención. La figura 5 es una representanción esquemática de una configuración de nivel de sistema de una modalidad preferida de la presente invención. La figura 6 muestra un diagrama de bloque de un sistema de detección y diagnóstico de fallas de conformidad con una modalidad de la presente invención. Las figuras 7A-7B y 8A y 8B muestran diagramas de flujo de la operación del sistema de detección y diagnóstico de fallas de la presente invención de conformidad con modalidades de la presente invención. DESCRIPCIÓN DETALLADA DE LA INVENCIÓN Con referencia a los dibujos, más particularmente mediante los números de referencia, la figura 1 muestra un sistema que comprende un motor eléctrico 10 como, por ejemplo, un motor eléctrico de potencia fraccionaria. Para propósitos de ilustración, el motor 10 comprende espiras de rotor 12, estator 14 y eje 16 soportados cerca de cada extremo por medio de soportes 18. Una polea 20 conecta el eje 16 con la carga (no ilustrada) . Un colector 22 conduce la corriente hacia y fuera del rotor 12 y armadura 24 que, en combinación con el estator, crea el campo magnético que resulta en el movimiento del motor. Un experto en la materia observará que el motor 10 puede tener un rotor que no tiene ni conmutador ni espiras. El motor 10 se encuentra montado en una caja 26 que evita la penetración de polvo, humedad y otra materia foránea. La figura 2 es una vista superior de un recinto para motor y más particularmente de una caja 26 donde la base de la caja se encuentra fijada sobre la tapa por medio de tornillos y tuercas 28 de manera bien conocida en la técnica. Con referencia ahora a la figura 5, se muestra una modalidad preferida de un sistema de monitoreo 30 de la condición del motor de conformidad con la presente invención. El sistema 30 comprende un motor 10, una fuente de energía 32, que puede ser o bien un voltaje de línea o bien un suministro de energía como, por ejemplo, Hewlett Packard 6010A, una pluralidad de sensores 34, 35 y 38, un cuadro multifuncional 37 y una computadora 42. Cuando se aplica voltaje, el motor 12 progresa hacia su velocidad de operación, habitualmente dentro de un período de 25 milisegundos a partir de la aplicación de la energía, con el eje 16 girando a una velocidad que depende en parte del voltaje aplicado y de la carga. La velocidad del motor 12 es detectada por medio del sensor de tacómetro 36, convertida de una señal analógica en una señal digital mediante el cuadro 37 de entrada/salida 5 multifuncional y se transmite a una computadora 42. El sensor de tacómetro 36 puede ser un codificador de velocidad de rotación o bien un tacómetro integrado diseñado en el motor 10. El cuadro multifuncional es conectado además a un sensor de voltaje 34 que puede ser una sonda de división de voltaje 1:100, por ejemplo, y un sensor de corriente 35 de ^ preferencia con un tiempo de respuesta mínimo de 23 nanosegundos (ejemplos de sensores de corriente aceptables incluyen el Tektronix 6303, una sonda de corriente ca/cc de 100 amp, el módulo de potencia Tektronix 502a y el amplificador de sonda de corriente ca/cc Tektronix 503b. Señales provenientes de los sensores 34 y 35 son también acondicionadas por el cuadro 37 y registradas en la computadora 42. La computadora 42 registra los datos de » sensor en su memoria (no se ilustra) . 20 La computadora 42 implementa un modelo de detección y diagnóstico de fallas de un motor ideal que se encuentra también almacenada en memoria. En la modalidad preferida, el modelo del motor es inicialmente desarrollado empleando un algoritmo de identificación de sistema de variables múltiples, Experimental Modeling Toolbox (EMT) desarrollado por Ahmet Duyar y ahora comercialmente disponible en Advanced Prognostic Systems, Inc., 4201 North Ocean Boulevard, Suite 206, Boca Ratón, Florida 33431. EMT es una herramienta de modelo experimental que genera una ecuación matemática que describe las relaciones dinámicas entre mediciones de entrada y de salida obtenidas a partir de experimentos diseñados para proporcionar características del sistema bajo un rango seleccionado de modos posibles de operación. Dicha información incluye la anchura de banda del sistema, la velocidad de exploración óptima así como la duración, y una señal de entrada suficientemente rica para ejercer el sistema en toda la anchura de banda del sistema. Como se sabe en este campo, la formación de modelos experimentales es la selección de relaciones matemáticas que parecen adecuarse a los datos observados de entrada y salida. Por consiguiente, durante el proceso de formación de modelos, se desarrollan ecuaciones que describen el comportamiento de los varios elementos del sistema y las interconexiones de estos elementos . El modelo experimental del sistema se describe por medio de un conjunto de ecuaciones diferenciales representadas en forma de matriz . El programa EMT determina la estructura del sistema, es decir, el orden del sistema, los parámetros y los coeficientes constantes de las variables de las ecuaciones diferenciales. En la modalidad preferida, la estructura se determina mediante el desarrollo de una matriz de información empleando los datos de entrada y salida. La búsqueda de rango fila por fila de esta matriz se emplea > para determinar la estructura del sistema. El concepto teórico para determinar la búsqueda de rango fila por fila se explica más a fondo en un documento publicado titulado: State Space Representation of the Open-Loop Dynamics of the Space Shuttle Main Engine (Representación Espacial de la Dinámica de Bucle Abierta del Motor Principal del Transportador Espacial) , por Ahmet Duyar, Vasfi Eldeme, fe alter C. Merrill y Ten-Huei Guo, Diciembre de 1991, Vol. 113, Journal of Dynamic Systems, Measurement, and Control en las páginas 684-690, cuya presentación se incorpora aquí por referencia. 15 Una vez determinada la estructura del sistema, se conoce el número de parámetros contenidos en el conjunto de ecuaciones diferenciales. Los datos medidos se emplean con el conjunto de ecuaciones diferenciales que contienen coeficientes desconocidos para generar varias ecuaciones. El número de las ecuaciones generadas es mayor que el número de los coeficientes desconocidos. Se emplea el método de los mínimos cuadrados para determinar los coeficientes desconocidos de manera conocida en la técnica y según se describe en el documento antes mencionado . 25 El esquema de detección y diagnóstico de fallas basado en modelo de la presente invención describe un motor exento de fallas con una serie de ecuaciones descritas con mayores detalles a continuación. Puesto que las fallas en el motor ' 10 cambian los parámetros, las ecuaciones de motor 10 serán diferentes de las ecuaciones esperadas generadas por el modelo. El esquema de la presente invención se basa en el concepto de la redundancia analítica en donde las señales generadas por el modelo se comparan con las señales medidas obtenidas del motor 10 para determinar si el motor está funcionando adecuadamente . El modelo reemplaza la necesidad de desarrollar una información a priori en cuanto al motor. En base a la comparación, una computadora 42 determina si el motor está operando sin fallas mediante la generación de cantidades residuales y su análisis. La presente invención desarrolla pronósticos de información que son vitales para un diagnóstico temprano de fallas inminentes de motores eléctricos mientras se encuentran operando bajo cargas I desconocidas . A título de explicación, considere un sistema exento de fallas descritos por las siguientes ecuaciones de estado discretas : x(k+l) = A x(k) + B u(k) (1) y(k) = C x(k) (2) donde x, u, e y son el vector de estado nxl, el vector de entrada pxl, y el vector de salida qxl, respectivamente, y k indica incrementos de tiempo discretos. A, B, y C son las matrices nominales conocidas (parámetros) del sistema con dimensiones apropiadas. Empleando un motor eléctrico de potencia fraccionaria, por ejemplo, el modelo experimental emplea mediciones de voltaje de entrada, corriente y velocidad. En la figura 3, se ilustra una gráfica del voltaje de entrada 38 empleado para accionar un motor 10. En la modalidad preferida, el voltaje de entrada 38 es una entrada en escalón y se encuentra representado en el modelo experimental como un vector de fila que contiene el voltaje medido. La figura 4 muestra las señales 39 y 40 de corriente y salida de velocidad determinadas experimentalmente, respectivamente, con las señales de salida de corriente y de velocidad medidas ilustradas por medio de una línea continua. La descripción del sistema resultante puede ser representada por ecuaciones (3) y (4) donde la matriz A, en la representación de estado-espacio, por ejemplo, tiene la siguiente forma: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -0.0010 93.3676 0 0 0 0 0 0 0 0 0.0000 0.0020 .0000 0 0 0 0 0 0 0 -0.1857 -260.2940 0 1. .0000 0 0 0 0 0 0 -0.0001 -0.0920 0 0 1. , 0000 0 0 0 0 0 0.0258 487.7519 0 0 0 0 0 0 1 1.. .00000000 0 0 0 0 0 0 0 0 0.0001 1.0220 0 0 0 O 1.0000 0 0 0 0.4119 -636.3152 0 0 0 0 0 1.0000 0 0 -0.0002 -2.7525 0 0 0 0 0 0 1.0000 0 0.5182 315.4224 0 0 0 0 0 0 0 1.0000 0.0002 2.8204 la matriz B es de la forma: -2.6188 0.0012 4.3719 0.0092 -3.5824 -0.0259 1.0257 0.0156 1.0915 0.0000 y la matriz C de salida, que asocia la variable con la salida es de la forma: 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 Además de las matrices A, B y C discretas del sistema que son determinadas mediante el programa de formación de modelos, se determina también un error estándar de estimación (SEE) . El SEE proporciona una estimación del error de formación de modelo comparando la salida del modelo con la salida medida. Para el ejemplo anterior, el SEE para el modelo es 2.8% para la salida de corriente y 0.67% para la salida de velocidad. Cuando ocurre una falla del motor 10, los parámetros y por consiguiente la respuesta del sistema 30 serán diferentes. Indicando los parámetros y variables que fallan del sistema con el subíndice f, las ecuaciones que describen el sistema que falla se vuelven: xf (k+1) = Af xf(k) + Bf uf(k) (3) yf(k) = Cfxf(k) (4) En su forma más sencilla, un vector residual, r(k), puede ser definido como las diferencias entre la salida del sistema exento de fallas y la salida del sistema que falla como : r(k) = yf (k) - y(k) (5) En ausencia de ruido y de errores de formación de modelo, el vector residual r(k) es igual al vector cero en condiciones de ausencia de fallas. Un valor no equivalente a cero del vector residual indica la existencia de fallas. Cuando están presentes ruido y errores de formación de modelos, el efecto debe ser separado del efecto de fallas comparando las magnitudes residuales con los valores umbrales seleccionados. Empleando la distribución observada de residuos en condiciones de ausencia de fallas, se determinan los valores umbrales mediante la selección de un nivel de confianza (con tres desviaciones estándares) de tal manera que se puedan minimizar falsas alarmas y fallas no detectadas . Con referencia ahora a la figura 6, el algoritmo de identificación de variables múltiples, EMT, se emplea para desarrollar un modelo experimental de línea basal 44 del motor 10. El modelo 44 comprende los parámetros de las ecuaciones diferenciales, es decir, A, B, y C y sus órdenes, es decir, n en las ecuaciones (1) y (2) . A diferencia de los parámetros de modelo derivado teóricamente, los parámetros de modelo experimental no proporcionan explicaciones fc físicas. En otras palabras, los cambios en cuanto a estos parámetros no pueden ser empleados para entender relaciones de causa-efecto. Aún cuando el significado físico de los parámetros se pierde, el modelo experimental proporciona una representación suficientemente precisa del motor 10, puesto que no se deriva de ningún tipo de suposiciones. El sistema 30, sin embargo, elimina la necesidad de depender de una información a priori en cuanto a la estructura del motor 10 otra que la suposición que el motor 10 se encuentra inicialmente exento de fallas. Las salidas del modelo 44 se evalúan con el algoritmo EMT por medio de la computadora 42 empleando las mediciones obtenidas del sensor de voltaje 34, sensor de velocidad 36 y sensor de corriente 26 para obtener la salida de modelo. La salida de modelo se compara con la salida del motor como se indica en 46 para generar un residuo r (k) . Un comparador 48 determina sí el vector residual r(k) es igual al vector cero y por consiguiente si el motor está operando bajo condiciones de ausencia de fallas. Si el comparador 48 5 determina que el vector residual r(k) tiene un valor que no es igual a cero, esto indica la presencia de una o varias fallas. Sin embargo, puesto que el ruido y errores de formación de modelos están típicamente presentes, se compara primero el valor de vector residual r(k) con valores umbrales seleccionados para eliminar lecturas falsas. Si el fe valor residual es inferior al umbral, es más probable que el valor no igual a cero se deba a dicho ruido o bien error de formación de modelo y el motor 10 se considera como exento de fallas. El sistema 30 reporta después la naturaleza exenta de falla del sistema, según se indica en el cuadro 50. Sin embargo, si el valor residual rebasa el umbral, se indica una falla y el sistema 30 empieza el análisis 52 de la falla. En base en el análisis 52, se clasifica la falla y > se reporta en 54 al usuario o bien se conserva en la computadora 42 para referencia futura. Mediante el uso de un modelo basado en rutina de diagnóstico, la respuesta actual del motor bajo condiciones de ausencia de falla puede ser modelada y subsecuentemente comparada con la respuesta actual del mismo motor durante la operación. En la presente invención, la computadora 42 incluye un dispositivo para llevar a cabo de manera iterativa un algoritmo de detección de fallas para predecir, detectar y clasificar fallas mecánicas de motores eléctricos. El sistema y método de la presente invención puede emplearse tanto en entornos de producción como de operación. La clasificación de fallas se logra mediante la determinación de cambios que ocurren en los parámetros del motor 10 y mediante la asociación de los cambios con fallas de motor mediante el uso de parámetros físicos de un modelo obtenido de manera teórica. Considere las ecuaciones teóricas simplificadas (6) y (7) , que describen un motor universal capaz de operar ya sea en corriente continua o bien en corriente alterna sometido a una entrada de voltaje CC: L di/dt + Ri = V + kl wi (6) J dw/dt + fw = k2 i2 + M (7) donde L, R, J y f son la inductancia, la resistencia, el momento de inercia y los coeficientes de fricción del motor, respectivamente, mientras que kl y k2 son las constantes de motor. En las ecuaciones (6) y (7) , las variables de salida, la corriente y la velocidad, se indican por medio de i y w, respectivamente, mientras que la variable de entrada, el voltaje, se indica mediante V. La carga se indica mediante M.

En el algoritmo MCM, la carga M generalmente no se encuentra disponible o bien no se puede medir fácilmente. Por consiguiente, es necesario operar en las ecuaciones (6) y ^^ (7) para eliminar el término de carga para su uso por parte 5 del observador de diagnóstico. En una modalidad, el observador de diagnóstico basa simplemente el modelo en la ecuación 6 que es independiente de la carga. Aún cuando se proporciona una información parcial al observador de diagnóstico en una modalidad de este tipo, la fricción del 10 motor y la constante k2 no están disponibles y puede fe presentarse un porcentaje más elevado de reportes de fallas desconocidas. Por consiguiente, si dicha información es necesaria, el observador de diagnóstico puede tomar la derivada de la ecuación (7) lo que eliminará el término de 15 carga que considera una carga constante . Como será evidente para un experto en la materia, otros medios matemáticos posibles están disponibles para eliminar el término de carga ^^ como, por ejemplo, la expresión de las ecuaciones (6) y (7) en forma de matriz y la multiplicación de ambos lados con 20 operadores apropiados de matriz . Con referencia otra vez a las figuras 1 y 2, fallas mecánicas comunes pueden surgir de un rotor no balanceado 12, tornillos con par de torción disparejo 28, o bien soportes 18, colector 22, o bien polea 20 defectuosos. Estas 25 fallas mecánicas provocan vibración y ruido una vez que el motor 10 se encuentra instalado y operando con una carga M . Reconociendo que la vibración mecánica implica un desplazamiento físico, la vibración provocada por fallas en > los soportes inducirá un desplazamiento periódico del eje 5 16. En un motor eléctrico, el eje impulsor es girado por medio de un ensamble de armadura. Las fallas mecánicas provocarán una mala alineación del rotor lo que a su vez provocará espacios de aire no simétricos y cambios en cuanto a inductancia, resistencia y parámetros constantes del motor, todos los cuales están incluidos en la ecuación (6) . fe Puesto que la corriente que pasa a través del motor depende en parte del campo magnético en el espacio de aire entre la armadura y el estator (o bien bobinas de campo) , el desplazamiento periódico inducido en el eje impulsor afecta la simetría del espacio de aire y el campo magnético en el espacio de aire. El campo magnético en el espacio de aire, a su vez, afecta la corriente a través del motor. Puesto que la influencia perturbadora del campo magnético en el espacio de aire es periódica y de frecuencia conocida, tal es su efecto sobre la corriente. Por consiguiente, un cambio del valor nominal del parámetro de inductancia, L, se relaciona con una falla de rotor desbalanceada. Un cambio observado en el parámetro de resistencia, R, se considera como una indicación de una falla de colector. Una falla de soportes es determinada cuando el cambio de coeficiente de inductancia presenta un comportamiento oscilante y/o cuando tanto el coeficiente de inductancia como el coeficiente de fricción cambian en tándem. Los parámetros exentos de fallas y los parámetros defectuosos y las desviaciones estándares de los parámetros exentos de fallas se ilustran en las Tablas 1 y 2. En la tabla 1, para un voltaje dado V y una carga dada M, se ilustran los valores de corriente y salida de velocidad predichos por el modelo 44 junto con el parámetro de tolerancia seleccionada (tres desviaciones estándares) y un ejemplo de mediciones de corriente y velocidad. Como se observará, la medición de corriente rebasa el valor predicho en más de tres desviaciones estándares. Por consiguiente se indica una falla. Salidas Error estándar de estimación Tres desviaciones para motor de base estándares Ejemplo: Lectura que indica un motor defectuoso i 0.0072 0.0008 0.0098 W 0.0197 0.0025 0.0245 TABLA 1 Los parámetros de motor defectuoso 10 se examinan en la Tabla 2. Como se observará, la inductancia L, de un motor defectuoso 10 rebasa el parámetro de inductancia correspondiente predicho por el modelo 44 en más de una desviación estándar mientras que todos los demás parámetros son inferiores al valor predicho más una desviación estándar. Como arriba indicado, este tipo de fallas indica una falla de rotor desequilibrado reportada por el elemento 54 de sistema 30 de clasificación de fallas. Parámetros de motor de base Desviaciones estándares de parámetros de motor de base Ejemplo : Parámetros de motor defectuoso L ( Inductancia) di/dt 0.0434 0.0005 0.0445 R (Resistencia) i 1.6269 0.1087 1.7236 f (coeficiente de fricción) w 1.1517 0.0270 1.1632 kt (constante de motor) i 377.4760 3.3765 374.7121 TABLA 2 El diagrama de flujo de la Figura 7A-7B resumen los pasos para implementar el sistema 30 una vez que el modelo 44 ha sido desarrollado. Específicamente, a intervalos seleccionados, la computadora 42 carga el modelo 44 en memoria, paso 62, y presenta en la parte de visualización de la computadora 42 información para el usuario, paso 64. Al recibir instrucción para iniciar. el monitoreo del motor 10, a intervalos preespecificados o bien de manera continua, el sistema 30 empieza a adquirir datos, pasos 66 y 68, a partir de los sensores 34-38. La adquisición de datos prosigue a una velocidad que puede ser determinada por el usuario. La computadora 42 calcula los valores residuales r(k) que son después comparados con el residuo esperado desarrollado por el modelo 44, paso 72. Si el residuo se encuentra dentro de los límites umbrales, el motor opera sin fallas y esta información es visualizada en el dispositivo de visualización de la computadora 42 para el usuario en el paso 74. Sin embargo, si se indica una falla, esta información es visualizada en el dispositivo de visualización, paso 76. Una vez detectada una falla, el sistema 30 puede evaluar la falla y proporcionar una información de diagnóstico al usuario. Usando la naturaleza predictiva de la presente invención, es posible evitar una falla catastrófica no planeada, costosa. Como se muestra en la figura 7B, la porción de observador de diagnóstico de modelo 44 evalúa los parámetros físicos, es decir corriente, i, y velocidad, w, del motor 10 en el paso 78 y compara estos parámetros con los parámetros correspondientes del modelo 44 (véase también Tabla 2) . En base en la comparación, el sistema 30 puede clasificar y visualizar la base mecánica de la falla o bien degradación en cuanto a desempeño del motor como se ilustra en el paso 82. El modelo 44 reemplaza la necesidad de desarrollar información a priori en cuanto al motor. El algoritmo realizado por la computadora 42 se conoce en las figuras 7A y 7B como un Motor Condition Monitor (Monitor de Condición de Motor) (MCM) . El concepto básico para monitorear la condición del motor es observar ya sea intermitente o continuamente las variaciones paramétricas con referencia a los mismos parámetros evaluados cuando se sabe que el motor opera satisfactoriamente, como por ejemplo, cuando es activado primero cuando se sabe que el motor está funcionando sin fallas. Durante la operación subsecuente del motor, se observa la desviación de las salidas a partir de las salidas de referencia. Esta desviación se compara después con valores umbrales predeterminados. Si la desviación rebasa el valor umbral, se detecta una falla. Si la falla se clasifica mediante la evaluación de los parámetros del modelo de diagnóstico y comparando los parámetros con su valor inicial otra vez empleando valores umbrales apropiados para estos parámetros . En la fabricación de motores eléctricos, es posible desarrollar un modelo que abarca un rango de variación del proceso de producción en vez de usar los parámetros obtenidos a partir de un motor único de conformidad con lo descrito arriba al describir el sistema y método MCM. Este concepto se emplea para desarrollar métodos para la detección y diagnóstico de fallas mecánicas de motores eléctricos como parte del procedimiento de prueba durante el proceso de fabricación y particularmente, para un paso de proceso de control de calidad empleado por la mayoría de los fabricantes justo antes de enviar un motor. Para aplicaciones de control de calidad, se comenta un método y un algoritmo, llamado Motor Quality Monitor (Monitor de Calidad de Motor) (MQM) , que emplea este método de la 5 presente invención. Las funciones básicas del algoritmo MQM son probar el motor eléctrico, visualizar los resultados de la prueba, controlar la prueba experimental (es decir, desarrollar un modelo de base como se describirá a continuación con mayores detalles) y almacenar los datos medidos y digitalizados en memoria fc para propósitos de archivos. Puesto que no existe ninguna técnica o medición confiable para identificar motores exentos de fallas, se desarrolla primero un método para obtener el modelo de motores exentos de fallas típicos (el "modelo de base") . Una explicación más detallada del método MQM se presenta en las figuras 8A-8F. El método MQM abarca dos funciones básicas: (1) el desarrollo de un modelo de motor de base y > (2) prueba constante de control de calidad de motores eléctricos de potencia fraccionaria. Un usuario puede seleccionar cualesquiera de las funciones a partir de un menú presentado en el dispositivo de visualización de la computadora 42. En la modalidad preferida, se registran parámetros "definidos por el usuario", límites de umbrales y el número de motores a probar, por ejemplo, antes que el usuario escoga una de las siguientes tres opciones : "Desarrollo de Modelo de Motor de Base", "Seleccionar un Modelo de Motor de Base" o bien "Prueba de Control de Calidad" . 5 Si un motor de base no se encuentra disponible, paso 90, la opción "Desarrollo de Modelo de Motor de Base", paso 92, tendrá que ser inicialmente seleccionada cuando se le pide al usuario que suminitre la información, presentada en la Tabla 3, si es diferente de las condiciones establecidas por 10 omisión, paso 94. INFORMACIÓN SUMINISTRADA POR EL USUARIO Y/U OPCIONES: > Entrar Velocidad de Exploración DESCRIPCIÓN DE INFORMACIÓN: Frecuencia de muestreo de adquisición de datos 15 POR OMISIÓN: de 500Hz a 24 kHz AJUSTE : Inicialmente establecido en 24 KHz > INFORMACIÓN SUMINISTRADA POR EL USUARIO Y/U OPCIONES: 20 Entrar Tiempo de Exploración DESCRIPCIÓN DE INFORMACIÓN: Duración de adquisición de datos POR OMISIÓN: de 0.4 sec a 1.0 sec 25 AJUSTE : INFORMACIÓN SUMINISTRADA POR EL USUARIO Y/U OPCIONES: Entrar Archivo de Localización y Nombre de Fecha (loe/nombre) DESCRIPCIÓN DE INFORMACIÓN: 5 Localización y nombre de archivos donde están almacenados los datos de prueba POR OMISIÓN: c:\File ID (ID de archivo) AJUSTE : 10 INFORMACIÓN SUMINISTRADA POR EL USUARIO Y/U OPCIONES: fe Entrar Multiplicador de Tolerancia DESCRIPCIÓN DE INFORMACIÓN: Factor de ajuste: multiplica las desviaciones estándares para obtener la variable umbral 15 POR OMISIÓN: típicamente = 3x AJUSTE : INFORMACIÓN SUMINISTRADA POR EL USUARIO Y/U OPCIONES: Entrar Nombre de Motor de Base 20 DESCRIPCIÓN DE INFORMACIÓN: identifica el tipo de motor a modelar POR OMISIÓN: Universal Motor (Motor Universal) AJUSTE : - 25 TABLA 3 La selección de la opción "Desarrollo de Modelo de Motor de Base" es obligatoria cuando se instala por vez primera MQM. El usuario tiene la opción de desarrollar motores de base para tipos diferentes de motores eléctricos o bien aún para el mismo tipo de motores eléctricos pero con multiplicadores de tolerancia diferentes. El modelo del motor, sus parámetros y sus desviaciones estándares se obtienen y se almacenan en el archivo de datos designado. El modelo de motor de base se desarrolla a partir de un grupo de motores conocidos por incluir motores esencialmente exentos de fallas, paso 96. En una modalidad preferida de la presente invención, los datos obtenidos a partir de un grupo de motores eléctricos se emplean para desarrollar el modelo de motor de base. Como lo observa un experto en la materia, dicho grupo de motores puede contener motores exentos de fallas así como algunos motores defectuosos debido a la ineficiencia inherente del proceso de fabricación y prueba. Usando el programa EMT, se desarrolla un modelo experimental del tipo de motor seleccionado que representa las características del tipo de motor seleccionado, pasos 98-100. En el paso 102, el modelo es evaluado para errores evidentes de formación de modelo y umbral, pasos 102-104. Usando el modelo de motor de base desarrollado a partir del grupo, cada uno de los motores en el grupo es después probado contra el modelo de motor de base experimental empleando valores_ de tolerancia obtenidos a partir de la desviación estándar proyectada del SEE, paso 106. Si las salidas de uno de los motores en el grupo se desvía de las > salidas del modelo experimental por una cantidad mayor que los valores de tolerancia respectivos, se remueve el motor del grupo y los archivos de datos son ajustados para remover los datos defectuosos, pasos 108-112. Un refinamiento adicional del modelo de motor de base se emprende después empleando los datos de prueba para el subconjunto de motores que permanecen en el grupo. Después de la eliminación de todos los motores que tienen salidas fuera de los valores de tolerancia establecidos por el modelo experimental, es posible retinar aún más el modelo experimental evaluando los errores de formación de modelo, las desviaciones media y estándares del grupo, paso 114, hasta que el grupo contenga solamente los motores cuyas salidas se encuentran dentro de los factores de tolerancia seleccionados a partir del modelo experimental. Después de la repetición de este proceso > iterativo, el modelo experimental representará las características de motores exentos de fallas fabricados con las mismas especificaciones. El modelo experimental es almacenado en el modelo de motor de base en una base de datos conservada en la memoria de la computadora 42 para referencia futura, paso 116. 25 Si el modelo de motor de base ya existe, el proceso antes mencionado puede ser acortado por medio de una simple recarga del modelo de motor de base en memoria activa de la computadora 42 y el usuario puede seleccionar la opción ? "Seleccionar un Modelo de Motor de Base" y después empieza a llevar a cabo la "Prueba de Control de Calidad" . Se pueden presentar varias opciones al usuario. Como ejemplo, el modelo de motor de base puede corresponder a un motor de inducción de polo sombreado, universal, motor sincrónico o bien cualquier otro motor eléctrico de potencia fraccionaria. Con referencia otra vez a la figura 8A, el H modelo de motor de base apropiado para los motores en prueba se carga en la memoria de la computadora si se selecciona la opción "Seleccionar un Modelo de Motor de Base" o bien si se selecciona la opción "Prueba de Control de Calidad", la prueba empieza para el tipo de motor defectuoso, paso 120. En este momento, el usuario puede registrar ajustes a los multiplicadores de tolerancia para la detección de fallas y la clasificación de fallas, pasos 122 y 124. El algoritmo MQM calcula después los umbrales de detección de falla y clasificación de falla apropiados, paso 126-128. La figura 8B muestra la porción de medición del algoritmo MQM, donde los valores medidos de las salidas de motor se comparan con las salidas obtenidas a partir del modelo de motor de base empleando valores umbrales seleccionadas durante la prueba de los motores eléctricos durante el proceso de fabricación para propósitos de control de calidad. Los valores umbrales son determinados mediante la multiplicación de los valores de tolerancia empleados en el desarrollo del motor de base experimental por el multiplicador de tolerancia. El algoritmo MQM permite que los multiplicadores sean determinados por el ingeniero de control de calidad que toma en consideración las variaciones aceptables de las salidas de los motores debido a las variaciones normales de fabricación. Si las desviaciones rebasan los valores umbrales preseleccionados, el motor que se está probando se define como motor defectuoso. Específicamente, una vez seleccionado el modelo de motor de base, el usuario registra los parámetros necesarios para llevar a cabo la "Prueba de Control de Calidad" en los pasos 130-134 de conformidad con lo resumido en la Tabla 4. INFORMACIÓN SUMINISTRADA POR USUARIO Y/U OPCIONES: Entrar la Velocidad de Exploración DESCRIPCIÓN DE INFORMACIÓN: Frecuencia de muestreo de adquisición de datos POR OMISIÓN: 500Hz AJUSTE : - INFORMACIÓN SUMINISTRADA POR USUARIO Y/U OPCIONES: Entrar el Tiempo de Exploración DESCRIPCIÓN DE INFORMACIÓN: Duración de adquisición de datos POR OMISIÓN: 0.5 sec AJUSTE : - 5 INFORMACIÓN SUMINISTRADA POR USUARIO Y/U OPCIONES: Entrar Multiplicador de Tolerancia para Detección de Fallas DESCRIPCIÓN DE INFORMACIÓN: Factor de ajuste: multiplica las desviaciones estándares para obtener una variable umbral para límite de fallas 10 POR OMISIÓN: 3x ft AJUSTE : - INFORMACIÓN SUMINISTRADA POR USUARIO Y/U OPCIONES: Entrar Multiplicador de Tolerancia para Clasificación de 15 Fallas DESCRIPCIÓN DE INFORMACIÓN: Factor de ajuste: multiplica desviaciones estándares para obtener una variable umbral para clasificación de fallas POR OMISIÓN: 20 lx AJUSTE : - TABLA 4 Cuando se opera la "Prueba de control de Calidad", el algoritmo calcula los límites de detección y clasificación 25 de fallas según el tipo de motor seleccionado y los multiplicadores de tolerancia apropiados. El algoritmo inicia la adquisición de datos para adquirir señales de voltaje en tiempo real, velocidad y corriente a partir del motor en prueba, paso 134. Estas señales son digitalizadas empleando velocidad de exploración previamente registradas y valores de tiempo de exploración, pasos 130-132. Las señales digitalizadas se almacenan en memoria, paso 136, y se preprocesan para eliminar el ruido empleando un filtro de programática de Butterworth o bien cualquier otro producto de filtro disponible en el comercio, paso 140. Las señales de voltaje en tiempo real, velocidad y corriente se emplean por parte del motor de modelo de base para determinar una representación de estado de modelo del motor en las condiciones actuales, paso 142 y 144. Como se indica en el pasos 146, el residuo de la estimación del motor de modelo de base y el residuo real del motor en prueba se calculan y se comparan en el paso 148. La desviación de los residuos calculados se compara después con los valores umbrales de detección de fallas. Si la desviación de las salidas del motor que se está probando se encuentra dentro de los límites de tolerancia, se identifica el motor como un motor exento de fallas y se visualiza un mensaje o bien se registra de otra forma, paso 150. Cuando se detecta un motor defectuoso, se visualiza un mensaje, paso 152, y, como se indica en el paso 154, se logra la clasificación de la falla empleando el modelo de diagnóstico de manera similar a lo arriba descrito. En resumen, las ecuaciones (6) y (7) derivadas teóricamente que describen los motores eléctricos se emplean como el modelo de diagnóstico. Los parámetros físicos del modelo de diagnóstico se determinan experimentalmente a partir de los datos obtenidos del grupo de los motores antes mencionados. Los parámetros físicos del modelo de diagnóstico y las desviaciones estándares relacionadas se almacenan en la memoria de la computadora 42. Una vez detectada la falla del motor, los parámetros físicos del motor defectuoso se evalúan por medio del algoritmo MQM y se comparan con los parámetros correspondientes del modelo de motor de base, pasos 156-162. El resultado de esta comparación se emplea para clasificar la falla del motor y presentar visualmente la información de diagnóstico. Si las desviaciones de los residuos son superiores a los valores umbrales, el estado del motor se clasifica como "falla encontrada" o bien una frase similar en la parte informativa de la porción de visualización de la computadora 42. Una vez identificados, los parámetros físicos del motor defectuoso se evalúan. Estos parámetros se comparan con los parámetros físicos del modelo de motor de base empleando los valores umbrales de clasificación de fallas (véase Tabla 4) . En el caso de un motor eléctrico, los parámetros físicos son la inductancia, resistencia y coeficientes de fricción y constantes de motor establecidas en las ecuaciones (5) y (6) . Cada uno de los parámetros del motor defectuoso se > comparan con los valores umbrales de clasificación de fallas 5 antes mencionados. Y una muestra representativa de un posible árbol de decisión para clasificar las fallas se ilustra en los pasos 164-170. Por ejemplo, si el parámetro de inductancia del motor defectuoso rebasa el valor umbral de clasificación de fallas para inductancia, la decisión se visualiza como "REVISAR BALANCE " . Si el parámetro de resistencia del motor defectuoso rebasa el valor umbral de clasificación de falla para la resistencia, la decisión se visualiza como "REVISAR COLECTOR" . Si tanto el parámetro de fricción como el parámetro de inductancia del motor defectuoso rebasan los valores umbrales de clasificación de fallas, la decisión se > visualiza como "REVISAR SOPORTES" . 20 Si se rebasan más que un valor umbral al mismo tiempo, se visualizan todas las decisiones resultantes. Si la magnitud de todos los parámetros es inferior al valor umbral correspondiente, la decisión se visualiza como "NO CLASIFICADO" en la parte informativa de la visualización.

Esto puede ocurrir debido al efecto acumulativo de cambios en cada uno de los parámetros en las salidas del motor. En una situación de este tipo, el modelo puede tener múltiples fallas pequeñas que pueden acumularse para provocar que las salidas del modelo rebasen los valores umbrales. Sin embargo, puesto que el valor umbral es seleccionado por el usuario, es posible hacer más estricta los valores de tolerancia para cada parámetro de tal manera que sea posible detectar dichas fallas marginales . El método MQM es especialmente bien adecuado para su uso en talleres de reparación de motores eléctricos para diagnosticar fallas y para propósitos de mantenimiento preventivo. En una aplicación de este tipo, modelos de motor de base para varios motores eléctricos, que varían por tamaño y por fabricante, se almacenan en la computadora 42. Al recibir un motor defectuoso, el reparador selecciona el modelo de motor de base del motor que se está probando y lleva a cabo detección y diagnóstico de fallas. El método y aparato puede también emplearse para aplicaciones de monitoreo de condición y mantenimiento predictivo. En esta modalidad, la tercera modalidad, el algoritmo MQM reemplaza el algoritmo MCM ya sea para aplicaciones de monitoreo de condición intermitentes o continuas . En una modalidad adicional de la invención, los algoritmos MQM y MCM se emplean directamente con un sistema de control de calidad o un sistema de monitoreo de condición existente, respectivamente, donde las capacidades de adquisición de datos para medición de voltaje, velocidad y corriente ya > existen. 5 En conclusión, el algoritmo MCM y el algoritmo MQM son muy similares pero difieren entre ellos en dos aspectos. Primero en el algoritmo MCM, el sistema no desarrolla un modelo de motor de base . Esto se debe a la naturaleza del monitoreo de condición donde el sistema se refiere solamente al monitoreo de un motor único. Por esta razón, el método MCM emplea de fe manera provechosa el modelo específico del motor que se está monitoreando . El modelo específico es desarrollado cuando se sabe que el motor está funcionando en condiciones de ausencia de fallas. En contraste, el MQM desarrolla un modelo de base que abarca las variaciones normalmente asociadas con una gran población. Por consiguiente, es posible que un motor que opere marginalmente pase los umbrales de prueba establecidos en el modelo MQM pero es improbable que la degradación continua seguirá sin detectarse por parte del modelo MCM puesto que el modelo MCM es específico para el motor individual. La segunda diferencia que surge entre los dos algoritmos es que el MCM es limitado necesariamente por requerimientos operacionales . Por ejemplo, la señal de entrada aplicada al motor depende del requerimiento impuesto por la aplicación.

Uno puede observar que la entrada aplicada al modelo 44 puede no ser tan "rica" en cuanto a señal de entrada que si fuese aplicada durante una prueba MQM. Además, bajo la > prueba MCM, la carga real aplicada al motor es desconocida y 5 puede variar durante el período en el cual se obtienen las mediciones a partir del sensor 34-38. Bajo estas circunstancias, solamente la parte del modelo no afectada por la carga es modelada. Como ejemplo, solamente la ecuación (6) se empleará para modelar la señal de corriente usando el voltaje medido y señales de entrada de velocidad fe para obtener resultados empleando el observador de diagnóstico. En modalidades alternativas, se pueden emplear técnicas como por ejemplo la toma de la derivada de la ecuación (7) en el caso de una carga constante para eliminar el término de carga desconocido. En estas modalidades, la ecuación (6) y la derivada de la ecuación. (7) pueden combinarse para realzar los resultados obtenidos por el observador de diagnóstico. Mientras se han descrito e ilustrado algunas modalidades ejemplares preferidas en los dibujos anexos, se entiende que tales modalidades son simplemente ilustrativas de la invención mas no restrictivas. Además, se entiende que esta invención no se limita a la construcción y arreglos específicos ilustrados y descritos puesto que una persona con ciertos conocimientos en la materia puede realizar modificaciones o cambios sin salirse ni del espíritu ni del alcance de la presente invención.

Claims (28)

1. REIVINDICACIONES 1. Un sistema de detección de fallas para monitorear la condición de operación de un motor que opera con una carga desconocida, que comprende: sensores conectados a dicho motor para medir los parámetros seleccionados de operación; y dispositivo de cómputo conectado a dichos sensores para determinar, cuando dicho motor está operando en una condición exenta de fallas, un residuo ideal igual a cero, para seleccionar un nivel de tolerancia umbral diferente de cero, dicho residuo ideal derivado mediante la multiplicación de dichos parámetros de operación seleccionados multiplicados por parámetros no variables y mediante la suma de los productos resultantes y para determinar una pluralidad de residuos de dicho motor durante la operación; dicho dispositivo de cómputo tiene una memoria y un dispositivo de visualización para comparar en dicha memoria cada uno de dichos varios residuos con dicho residuo ideal y para visualizar en dicho dispositivo de visualización un mensaje que indica si dicho motor está operando bajo condiciones de ausencia de fallas en el caso en el cual dicha pluralidad de residuos es menor que la tolerancia umbral o bien si dicho motor está operando con una falla inminente en el caso en el cual al menos uno de dichos varios residuos rebasa la tolerancia umbral.
2. 2. El sistema de la reivindicación 1 donde dichos parámetros de operación comprenden el voltaje aplicado, la corriente de salida y la velocidad de dicho motor, dichos parámetros de operación son medidos con sensores analógicos.
3. 3. El sistema de la reivindicación 2 donde dichos parámetros de operación son medidos con sensores analógicos.
4. 4. El sistema de la reivindicación 3 donde dicho sistema comprende además un dispositivo de adquisición de datos que conecta dichos sensores a dicho dispositivo de cómputo para convertir dichas señales analógicas a representaciones digitales de dichas señales analógicas.
5. 5. El sistema de la reivindicación 2 donde dicho motor es un motor eléctrico.
6. 6. El sistema de la reivindicación 2 donde dicho motor es un motor eléctrico de potencia fraccionaria.
7. 7. Un método para monitorear la operación de un motor eléctrico para detectar fallas mecánicas capaces de provocar la falla de dicho motor antes de una falla catastrófica real de dicho motor, que comprende los pasos de: desarrollar un modelo de dicho motor en una computadora conectada a dicho motor por medio de una pluralidad de sensores; medir una pluralidad de señales de operación de dicho motor con dichos sensores; aplicar dicha pluralidad medida de señales de operación para resolver una ecuación lineal de estado de tiempo discreta; comparar la solución de dicha ecuación de estado con la solución sugerida por dicho modelo mediante el cálculo de un > residuo; 5 determinar, en base a dicho paso de comparación, si dicho motor está operando sin una falla detectada; correlacionar dichos cambios con una falla mecánica en el caso en el cual dicho motor esté operando con una falla detectada y mediante la comunicación de la existencia de 10 dicha falla para evitar una falla de motor no anticipada; y fe repetir dichos pasos, otros que dicho paso de desarrollo de modelo, a intervalos seleccionados durante la operación de dicho motor.
8. 8. El método de la reivindicación 7 donde dicho paso de 15 medición de una pluralidad de señales de operación comprende la medición de la salida de corriente de dicho motor, el voltaje aplicado al motor, y la velocidad del motor durante un intervalo seleccionado.
9. 9. El método de la reivindicación 7 donde dicho motor es un 20 motor eléctrico de potencia fraccionaria.
10. 10. El método de la reivindicación 8 donde dicho paso de desarrollo del modelo de dicho motor comprende la obtención de parámetros no variables para la inductancia y la resistencia de dicho motor, y la combinación de dichos 25 parámetros no variables con las señales medidas de conformidad con las siguientes ecuaciones: L di/dt + Ri = V + kl wi donde kl es una constante de motor.
11. 11. El método de la reivindicación 8 donde dicho paso de correlacionar y comunicar la existencia de dichas fallas mecánicas de dicho motor comprende además los pasos de : indicar un rotor desbalanceado en respuesta a un cambio de dicho parámetro de operación L di/dt; indicar una falla de colector en respuesta a un cambio de dicho parámetro Ri; indicar una falla de soportes en respuesta a variación de oscilación de dicho parámetro L di/dt; y indicar una falla de soporte en respuesta al cambio tanto de dichos parámetros L di/dt como fw.
12. 12. El método de la reivindicación 8 donde dicho intervalo es de preferencia comprendido entre 400 milisegundos y 1000 milisegundos .
13. 13. El método de la reivindicación 12 donde dichos parámetros de operación se muestrean a una frecuencia de muestreo comprendida entre 500 Hz y 24 kHz.
14. 14. Un método para el monitoreo y la detección de fallas en un motor eléctrico, que comprende: la medición, cuando dicho motor eléctrico opera de manera exenta de fallas, de voltaje, corriente y velocidad de dicho motor eléctrico con una pluralidad de sensores; la multiplicación del voltaje, corriente y velocidad medidas de dicho motor eléctrico con invariantes constantes; el cálculo y la retención del resultado de las ecuaciones de " espacio de estado discretas : 5 x(k+l)=A x(k) + B u(k) y(k) = C x(k) . la repetición de los pasos de medición y multiplicación; el cálculo del resultado de las ecuaciones de espacio de estado discretas : 10 xf (k+1) = Afxf (k) + Bfuf (k) I yf(k) = Cfx(k) la comparación de las diferencias entre y(k) y yf (k) ; y la repetición de dicha secuencia de repetición, cálculo y comparación de pasos hasta que la diferencia rebase un
15. 15 umbral seleccionado. 15. El método de la reivindicación 14 que comprende además, cuando dicha secuencia de pasos resulta en una diferencia que rebasa dicho umbral seleccionado, los pasos de: > la selección de un valor umbral de parámetro para la 20 inductancia, resistencia de motor, inercia de motor y constantes de motor; y la comparación de cada producto, L di/dt, Ri, J dw/dt, fw, klwi, y i2 k2 con un valor correspondiente de dichos valores umbrales seleccionados. 25
16. 16. El método de la reivindicación 15 que comprende además el paso de visualizar los resultados de dichos pasos de comparación .
17. 17. Un método para tamizar la calidad de la fabricación de un grupo de motores y para detectar fallas mecánicas capaces de provocar una falla de motores eléctricos, que comprende los pasos de : seleccionar un grupo de motores que comprende motores que operan sin fallas y motores que operan con una o varias fallas desconocidas; medir una pluralidad de señales de operación de dichos motores y la aplicación de dichas señales de operación para resolver las siguientes ecuaciones de espacio de estado discretas : x(k+l) = A x(k) + B u(k) y(k) = C x(k) desarrollar un modelo experimental de dichos motores en un dispositivo de cómputo, dicho modelo tiene una tolerancia umbral basada en dos desviaciones estándares alrededor de la media del modelo de grupo; probar cada motor de dicho grupo mediante la medición de nuevo de dicha pluralidad de señales de operación y la remoción de dicho motor de dicho grupo de motores si la ecuación de dicho motor en prueba rebasa el límite umbral; repetir dichos pasos de medición, desarrollo y prueba hasta que todos los motores dentro del grupo estén dentro de los límites umbrales; afinar dicho modelo experimental de dichos motores en base a los motores que permanecen en dicho grupo; y > almacenar dicho modelo experimental en dicho dispositivo de 5 cómputo .
18. 18. El método de la reivindicación 17 donde dicho paso de prueba comprende los pasos de : medir el voltaje, corriente y velocidad de dichos motores con una pluralidad de sensores; 10 multiplicar el voltaje, corriente y velocidad medidas de dichos motores eléctricos con parámetros no variables > seleccionados ; calcular el resultado de las ecuaciones de espacio de estado discreto : 15 xf (k+l) = Afxf (k) + Bfuf(k) yf(k) = Cfx(k) comparar las diferencias entre y(k) e yf (k) .
19. 19. El método de la reivindicación 17 donde se prueban una > pluralidad de motores diferentes de dicho grupo de motores
20. 20 contra dicho modelo experimental, que comprende además los pasos de : medir dicho voltaje, corriente y velocidad para cada uno de dichos varios motores; aplicar dicha pluralidad medida de señales de operación para 25 resolver dicha ecuación de espacio de estado discreto; comparar la solución de dicha ecuación de estado con la solución sugerida por dicho modelo experimental mediante el cálculo de un residuo; determinar, en base a dicho paso de comparación, si dicho motor está operando sin una falla detectada. 20. El método de la reivindicación 19, que comprende además los pasos de : correlacionar dichos cambios con una falla mecánica en el caso en el cual dicho motor está operando con una falla detectada y comunicar la existencia de dicha falla para evitar una falla no anticipada del motor.
21. 21. El método de la reivindicación 20 donde dicho paso de correlación comprende : la evaluación de las siguientes ecuaciones L di/dt + R i = V + kl wi J dw/dt + fw = k2 i2 + M donde kl y k2 son constantes de motor.
22. 22. Un sistema de detección y diagnóstico de fallas basado en modelo para detectar fallas en un grupo de motores y para desarrollar información de diagnóstico para la correlación de dichas fallas, que comprende: un dispositivo para generar un modelo de sistema que representa una media de motores exentos de fallas de conformidad con las siguientes ecuaciones: x(k+l) = Ax(k) + Bu (k) y y(k) = Cx(k) donde A, B y C representan parámetros de dicho modelo de sistema; y un dispositivo para determinar fallas de sistema mediante la » medición de parámetros de dichos motores cuando se comparan 5 con dicho modelo de sistema.
23. 23. El sistema de la reivindicación 22, donde dicho dispositivo de determinación comprende un dispositivo de cómputo que tiene una memoria y un dispositivo de visualización .donde dicha computadora compara, en dicha 10 memoria, dichas ecuaciones que representan cada uno de dichos motores con las ecuaciones que representan dicho modelo de sistema y para visualizar en dicho dispositivo de visualización un mensaje que indica si cada uno de dichos motores está operando bajo condiciones de ausencia de fallas 15 en el caso en el cual la diferencia entre dichas ecuaciones que representan cada uno de dichos motores y las ecuaciones que representan dicho modelo de sistema es menor que una tolerancia umbral seleccionada o bien si cada uno de dichos motores está operando con una falla inminente en el caso en 20 el cual la diferencia entre dichas ecuaciones que representan cada uno de dichos motores y las ecuaciones que representan dicho modelo de sistema rebasa la tolerancia umbral .
24. 24. El sistema de la reivindicación 22 donde dichos motores 25 son motores eléctricos de potencia fraccionaria.
25. 25. Un método para probar una pluralidad de motores de un tipo de motor _ común donde dichos varios motores se encuentran en una condición de operación desconocida, que ? comprende los pasos de : 5 medir el voltaje, corriente y velocidad de dichos motores; multiplicar el voltaje, corriente y velocidad medida de dichos motores eléctricos con parámetros invariables seleccionados ; calcular y retener el resultado de las ecuaciones de espacio 10 de estado discretas : x(k+l) = A x(k) + B u(k) y(k) = C x(k) repetir los pasos de medición y multiplicación; calcular el resultado de las ecuaciones de espacio de estado 15 discretas: xf (k+1) = Afxf (k) + BF uf (k) yf(k) = Cfx(k) ^ comparar las diferencias entre y(k) e yf (k) ; y W repetir dicha secuencia de pasos de repetición, calculo y 20 comparación hasta que la diferencia rebase un umbral seleccionado .
26. 26. El método de la reivindicación 25 que comprende además, cuando dicha secuencia de pasos resulta en una diferencia que rebasa dicho umbral seleccionado, los pasos de: 25 seleccionar un valor umbral de parámetro para inductancia, resistencia de motor, inercia de motor, y constantes de motor; y comparar cada término de las siguientes ecuaciones » L di/dt + R i = V + kl i 5 J dw/dt + fw = k2 i2 + M con un término correspondiente de dichos valores umbrales seleccionados .
27. 27. El método de la reivindicación 26 que comprende además la visualización de los resultados de dichos pasos de 10 comparación. I»
28. 28. El método de la reivindicación 26 donde dicho paso de comparación comprende además los pasos de : indicar un rotor desbalanceado en respuesta al cambio de dicho parámetro de operación L di/dt; 15 indicar una falla de colector en respuesta a cambio en dicho parámetro Ri ; indicar una falla de soporte en respuesta a una variación de oscilación de dicho parámetro L di/dt; e i indicar una falla de soporte en respuesta a un cambio tanto 20 en dicho parámetro L di/dt como en dicho parámetro fw. 25 RESUMEN DE LA INVENCIÓN La presente invención se refiere a un sistema de detección de fallas basado en modelo y a un método para monitorear y » predecir requerimientos de mantenimiento de motores 5 eléctricos. Puesto que el método y el sistema de la presente invención se basan en programática y emplean datos obtenidos a partir de mediciones no intrusivas, los costos de implementación son significativamente menores que los costos de implementación de los métodos de mantenimiento de la 10 técnica anterior. El sistema comprende un dispositivo de cómputo conectado a sensores que proporcionan información continua, en tiempo real, del voltaje de entrada y corriente y velocidad de motor. El sistema y el método emplean un algoritmo de 15 formación de modelo experimental de variables múltiples para obtener una descripción matemática del motor. El algoritmo compara el resultado modelado con un resultado medido y cuantifica la comparación en términos de un residuo generado > restando las señales respectivas. Un observador de 20 diagnóstico analiza el residuo y determina si el motor está libre de fallas o bien no opera de una manera exenta de fallas. Al detectar la falla inminente, el observador de diagnóstico evalúa las variables medidas del motor, determina la desviación en relación con el valor de 25 referencia y desarrolla un diagnóstico del probable componente que está fallando. Otra modalidad de la presente invención es especialmente útil para la fabricación de motores eléctricos de potencia fraccionaria y especialmente para llevar a cabo pruebas de control de calidad.