DETECCIÓN DE FALLOS EN MOTORES TRIFÁSICOS MEDIANTE APRENDIZAJE PROFUNDO EN ANÁLISIS DE VIBRACIONES
DOI:
https://doi.org/10.56238/Palabras clave:
Análisis de Vibraciones, Motor de Inducción, Fallos en RodamientosResumen
Los motores de inducción desempeñan un papel fundamental en el sector industrial y requieren una monitorización adecuada para evitar paradas de producción no programadas. La monitorización de vibraciones destaca en el diagnóstico del estado de estos motores debido a su eficacia en la detección de fallos, especialmente en rodamientos. Este trabajo propone el uso de técnicas de aprendizaje profundo para automatizar la detección de fallos en rodamientos mediante un análisis comparativo entre los modelos de memoria de larga duración (LSTM) y redes neuronales convolucionales (CNN). Utilizando el conjunto de datos del Sistema de Mantenimiento Inteligente (IMS) de la Universidad de Cincinnati, el modelo LSTM se entrenó con descriptores estadísticos extraídos de las señales de vibración, mientras que la CNN operó directamente con los datos brutos. Los resultados demuestran la superioridad del modelo LSTM, que alcanzó una precisión del 98 %, en comparación con la CNN, que alcanzó el 86 %.
