Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial

Autores/as

  • César Javier Gil Arrieta Corporación Universitaria de la Costa. Barranquilla, Colombia.

Palabras clave:

Mantenimiento predictivo, Mantenimiento correctivo, Inteligencia artificial, Eficiencia, Redes neuronales, Predicción, Ahorro de energía, Eficiencia.

Resumen

Se presenta en este documento los resultados preliminares obtenidos a partir de la medición de algunas de las variables de funcionamiento más importantes de un motor trifásico de inducción que acciona una bomba centrífuga (grupo motor-bomba), mediante las cuales fue posible establecer acciones que indican que es factible relacionar diferentes regímenes de operación del grupo bajo estudio con algunas técnicas de mantenimiento predictivo aplicando a su vez herramientas de inteligencia artificial que permitirán establecer fechas de mantenimiento en función de la eficiencia del motor y otros aspectos técnico-constructivos como por ejemplo, la temperatura máxima de operación según el fabricante, conformando así un conjunto de estrategias que permitirán en última instancia “construir una curva inteligente de información aplicable a la gestión del mantenimiento antes que suceda la falla”

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

César Javier Gil Arrieta, Corporación Universitaria de la Costa. Barranquilla, Colombia.

Ingeniero electricista y candidato a Magíster en Ingeniería Electrónica de la Universidad del Norte, Barranquilla. Docente Tiempo Completo de la Corporación Universitaria de la Costa, CUC, Calle 58 No. 55-66. cgil@cuc.edu.co

Citas

Caballero, Hugo C. y Huerta, José I. Diseño y desarrollo de un sistema de monitoreo de condición para motores de inducción. Revista Ingeniería Universidad de los Andes. Colombia.

Carvajal, Francisco Antonio et al. Diagnóstico en línea y fuera de línea de motores de inducción de baja, mediana y alta tensión. Artículos técnicos boletín iie. Marzo 2009.

Fernández Cabanas, Manés y García Melero, Manuel (2000). Técnicas para el mantenimiento y diagnóstico de máquinas eléctricas rotativas. España: Marcombo.

Filippetti, F.; Franceschini, G.; Tassoni, C.; Vas, P. (2000). A fuzzy logic approach to on-line induction motor diagnostics based on stator current monitoring, in: Proceedings of Stockholm.

Gao, X. Z.; Ovaska, S. J. (2005). “Soft computing methods in motor fault diagnosis”. Institute of Intelligent Power Electronics, Helsinki University of Technology.
Guillemin, Pierre (1996). “Fuzzy Logic Applied to Motor Control”. IEEE transactions on industry applications, Vol. 32, No. 1.

Hsu, John. “Field Test of Motor Efficiency and Load Changes through Air-Gap Torque”. Oak Ridge, Tennessee 3783 1-7280. IEEE transactions on energy conversion, Vol. 10, No. 3, September 1995.

Hsu, J. S. y Sorenson, P. L. (1995). “Field assessment of induction motor efficiency through airgap torque”. Oak Riagi national Laboratory, UaK Kidge, Tennessee.

Huang, Chich-Yi et al. (1999). Robust Control of Induction Motor with A Neural-Network Load Torque Estimator and A Neural-Network Identification. IEEE transactions on industrial electronics, Vol. 46, No. 5.

Ilott, P. W.; Griffiths, A. J. (1996). “Development of a pumping system decision support tool based on artificial intelligence”. Tools with Artificial Intelligence. Proceedings Eighth IEEE International Conference on Volume, Issue. pp. 260-266.

Moon, C.; Cho, B. “Design of fuzzy control system for chemical injection systemretrofit using neural network model in thermal power plant”. Publicado en Neural Networks for Identification, Control, Robotics, and Signal/Image Processin. International Workshop on Volume, Issue, 21-23. pp. 263-269. 1996.

Nejjari, H. y Benbouzid, M.E.H. (1999). Application of Fuzzy Logic to Induction Motors Condition Monitoring. University of Picardie. France.

Saïd Naït Saïd, Mohamed et al. “Detection of Broken Bars in Induction Motors Using an Extended Kalman Filter for Rotor Resistance Sensorless Estimation”. IEEE transactions on energy conversion, Vol. 15, No. 1, March 2000.

Wen-Guang, Li (1997). An Experimental Study on the Performance of Centrifugal Oil Pump. Fluid Machinery 25 2. pp. 3-10.

Wong, Kit Po. “Artificial intelligence and neural network applications in power systems”. IEE 2nd International Conference on Advances in Power System Control, Operation and Management, December 1993, Hong Kong.

Descargas

Publicado

2010-10-31

Cómo citar

Gil Arrieta, C. J. (2010). Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial. INGE CUC, 6(1), 103–118. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/297