Análisis de falla de encendido en motores de combustión utilizando señales de vibración basado en el cálculo y reducción de indicadores estadísticos
DOI:
https://doi.org/10.46842/ipn.cien.v25n1a07Palabras clave:
análisis discriminante lineal, análisis de vibraciones, detección de fallas, indicadores estadísticos, motor de combustión internaResumen
En este trabajo de investigación se propone una metodología de diagnóstico basada en el cálculo y reducción de indicadores estadísticos estimados de señales de vibración para la detección de fallas de encendido o por chispa en un motor de combustión interna (MCI). El trabajo realizado por los autores incluye la caracterización de señales de vibración mediante cuatro indicadores estadísticos capaces de modelar la tendencia y describir cambios en las señales. Además, en el método propuesto se introduce el uso de las técnicas de reducción de indicadores estadísticos como análisis de componentes principales y análisis discriminante lineal las cuales tienen la capacidad de reducir la dimensionalidad de la base del conjunto original de indicadores en el dominio del tiempo y obtener representaciones visuales de los patrones característicos de las condiciones de operación evaluadas. El método propuesto se evalúa sobre datos experimentales adquiridos durante la operación normal y con falla de encendido de un MCI en régimen de velocidad baja y alta. El procesamiento de las señales de vibración adquiridas y la aplicación de la metodología de diagnóstico propuesta se hizo bajo el entorno de programación de Matlab. Los resultados obtenidos en patrones característicos bidimensionales presentan claramente la separación de las diferentes condiciones de operación, dichos resultados demuestran que la metodología permite detectar fallas en MCI generadas en el sistema de encendido y que la detección de las fallas se puede realizar de forma efectiva independientemente de la velocidad de giro del motor.
Referencias
L. Warren y J. H. Haynes, Chevrolet/GMC Camionetas. Manual de Reparación, vol. 99040. California, USA: Haynes de Norte América, 1995.
A. Moosavian, G. Najafi, B. Ghobadian, M. Mirsalim, S. M. Jafari, y P. Sharghi, “Piston scuffing fault and its identification in an IC engine by vibration analysis”, Appl. Acoust., vol. 102, pp. 40-48, 2016, doi: https://doi.org/10.1016/j.apacoust.2015.09.002
J. Da Wu y C. Q. Chuang, “Fault diagnosis of internal combustion engines using visual dot patterns of acoustic and vibration signals”, NDT E Int., vol. 38, núm. 8, pp. 605-614, 2005, doi: https://doi.org/10.1016/j.ndteint.2005.02.007
S. Delvecchio, P. Bonfiglio, y F. Pompoli, “Vibro-acoustic condition monitoring of Internal Combustion Engines: A critical review of existing techniques”, Mechanical Systems and Signal Processing, vol. 99. Academic Press, pp. 661-683, 15-ene-2018, doi: https://doi.org/10.1016/j.ymssp.2017.06.033
J. Flett y G. M. Bone, “Fault detection and diagnosis of diesel engine valve trains”, Mech. Syst. Signal Process., vol. 72–73, pp. 316–327, 2016, doi: https://doi.org/10.1016/j.ymssp.2015.10.024
E. Ftoutou, M. Chouchane, y N. Besbès, “Internal combustion engine valve clearance fault classification using multivariate analysis of variance and discriminant analysis”, Trans. Inst. Meas. Control, vol. 34, núm. 5, pp. 566-577, 2012, doi: https://doi.org/10.1177/0142331211408492
J. J. Saucedo-Dorantes, M. Delgado-Prieto, R. A. Osornio-Rios, y R. De Jesus Romero-Troncoso, “Multifault Diagnosis Method Applied to an Electric Machine Based on High-Dimensional Feature Reduction”, IEEE Trans. Ind. Appl., vol. 53, núm. 3, pp. 3086-3097, 2017, doi: https://doi.org/10.1109/TIA.2016.2637307
K. Jafarian, M. Mobin, R. Jafari-Marandi, y E. Rabiei, “Misfire and valve clearance faults detection in the combustion engines based on a multi-sensor vibration signal monitoring”, Meas. J. Int. Meas. Confed., vol. 128, núm. March, pp. 527-536, 2018, doi: https://doi.org/10.1016/j.measurement.2018.04.062
A. Taghizadeh-Alisaraei y A. Mahdavian, “Fault detection of injectors in diesel engines using vibration time-frequency analysis”, Appl. Acoust., vol. 143, pp. 48-58, 2019, doi: https://doi.org/10.1016/j.apacoust.2018.09.002
J. Da Wu y J. C. Chen, “Continuous wavelet transform technique for fault signal diagnosis of internal combustion engines”, NDT E Int., vol. 39, núm. 4, pp. 304-311, jun. 2006, doi: https://doi.org/10.1016/j.ndteint.2005.09.002
J. J. Saucedo-Dorantes, “Metodologías para mejorar la confiabilidad del diagnóstico de fallas en cadenas cinemáticas basado en algoritmos inteligentes y fusión de datos”, tesis de doctorado, mecatrónica, Universidad Autónoma de Querétaro, San Juan del Río, Querétaro, México, 2017.
R. O. Duda, P. E. Hart, y D. G. Stork, Pattern Classification, Second Edi. New York, N.Y., U.S.A: John Wiley & Sons, 2012.
X. Wan, D. Wang, P. W. Tse, G. Xu, y Q. Zhang, “A critical study of different dimensionality reduction methods for gear crack degradation assessment under different operating conditions”, Meas. J. Int. Meas. Confed., vol. 78, pp. 138-150, 2016, doi: https://doi.org/10.1016/j.measurement.2015.09.032
S. Theodoridis y K. Koutroumbas, Pattern Recognition, Third Edit. San Diego, California, USA: Academic Press, 2006.
S. I. Grossman y J.-J. Flores-Godoy, Álgebra Lineal, Septima Ed. D.F., México: McGraw-Hill, 2012.
A. Rustom J., Estadistica Descriptiva, Probabilidad e Inferencia, Primera ed. Santiago, Chile: Universidad de Chile, 2012.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2021 Instituto Politécnico Nacional
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
