Resumen

Últimamente, los accionamientos eléctricos suelen asociar inversor y máquina de inducción. Por lo tanto, el inversor debe tenerse en cuenta junto con el motor de inducción para proporcionar un diagnóstico pertinente y eficaz de estos sistemas. Diversos fallos en el inversor pueden influir en el funcionamiento del sistema mediante un mantenimiento inesperado, lo que aumenta el factor de coste y reduce la eficiencia global. En este trabajo se presenta la detección y diagnóstico de fallos basados en la extracción de características y en la técnica de redes neuronales para inversores trifásicos. El objetivo básico de este sistema de detección y diagnóstico de fallos es detectar fallos individuales o múltiples de forma eficiente. Se extraen varias características de la corriente de salida transformada de Clarke y se utilizan en la red neuronal como entrada para la detección y diagnóstico de fallos. Para verificar la viabilidad del esquema propuesto, se ha realizado un estudio de simulación, así como una implementación hardware y una experimentación. Los resultados muestran que el sistema diseñado no sólo detecta fallos fácilmente, sino que también puede diferenciar eficazmente entre múltiples fallos. Estos resultados demuestran la credibilidad y muestran el rendimiento satisfactorio del sistema diseñado. Los resultados demuestran la supremacía del sistema diseñado sobre los anteriores sistemas de extracción de características de averías, ya que puede detectar y diagnosticar averías en un solo ciclo en comparación con la anterior detección de múltiples averías con gran precisión.

• Materias:Aerodinámica Robótica Sistemas no lineales Regulación automática Instrumentación automática
• Subjects:Aerodynamics Robotics Nonlinear systems Automatic regulation Automatic instrumentation
• Palabras claves:detección de fallos, inversor, sistema, fallos múltiples, extracción de características anteriores sistemas de fallos, técnica de redes neuronales, detección de múltiples anteriores, resultados, diagnóstico, fallos
• Keywords:fault detection, inverter, system, multiple faults, previous feature extraction fault systems, neural network technique, previous multicycles detection, results, diagnosis, faults