Regresar

Identificación de patrones de fallas mecánicas mediante redes neuronales artificiales para el diagnóstico de motores de encendido provocado

Abstract:

Este proyecto de grado tiene por objetivo de crear un sistema de diagnóstico mediante la aplicación de un clasificador basado en redes neuronales artificiales, que permite detectar fallas mecánicas comunes, generadas en los motores de encendido provocado. En primera instancia para el desarrollo del sistema de diagnóstico, se procede a la obtención de las señales de los sensores MAP y CMP con una DAQ-6009 y el software Labview del motor Hyundai Sonata de 4 cilindros 2.0 cc a gasolina, el mismo que se encuentra en una cámara Semi-Anecoica, con el objetivo de adquirir datos con una alta confiabilidad; en el motor se generan los diferentes tipos de anomalías mecánicas intencionadas, en sistemas y componentes como son: bobinas, inyectores, bujías, la presión de combustible y sistema de distribución. La obtención de muestras se realiza cuando el motor se encuentra en su temperatura ideal (92ºC a 97ºC) y en ralentí; luego de generar un fallo se espera un lapso de 4 minutos para que el motor se estabilice, consecuentemente se registran las señales en un tiempo de 5 segundos, del análisis de estas señales se obtienen diferentes atributos estadísticos que permiten caracterizar la señal del sensor MAP, posteriormente se analiza los atributos de mayor influencia para el entrenamiento de la RNA, mediante 3 métodos estadísticos; de los resultados de cada método se elige los atributos que presentan una diferencia significativa y se procede a almacenarlos en una matriz con el fin de seleccionar los atributos de mayor coincidencia.