Sistema experto para motores asistido por temperatura (SEMAT)

Abstract

El desarrollo de sistemas informáticos que tomen decisiones como expertos humanos en un ámbito particular con base en información, es un reto científi co/ tecnológico según el contexto y en motores eléctricos estos sistemas son prácticamente inexistentes. El proyecto SEMAT busca el desarrollo de un sistema experto que pueda diagnosticar motores el ectricos con la nalidad de mejorar la competitividad de la industria nacional. Para el desarrollo del sistema experto, este proyecto ha desarrollado una bancada de pruebas automatizada para someter los motores en estudio a distintas pruebas (casos). Adem as se ha desarrollado y programado el software de captura y análisis de datos, también se realizaron más de 60 pruebas a motores con base a un dise~no de experimentos factorial con la idea de estudiar sus distintos comportamientos. Adicionalmente, se aporta un modelo térmico y se trabajo con distintos tipos de algoritmos basados en metaheurísticas con la nalidad de encontrar soluciones al modelo. Sin embargo, los resueltos encontrados no permitieron ser implementados para el desarrollo del motor de inferencia del sistema experto basado en los parámetros de los modelos térmicos. Ante dicha problemática se aporta la de fición de nuevos indicadores que son calculados a partir de la potencias desperdiciadas en los motores. Dichos índices son calculados en tiempo real y almacenados por la aplicación informática. El prototipo de sistema experto utiliza como motor de inferencia una red neuronal tipo feed-forward. Dicha red fue entrenada con distintos casos (experimentos) y los resultados indican que a partir del monitoreo de los índices es posible realizar el diagnóstico del motor tanto en su transitorio térmico como en su estado estable. Esto es sumamente robusto en el sentido que el motor puede ser diagnosticado en sus primeros minutos de operación y no requiere que alcance su estabilidad térmica. Finalmente el prototipo fue comparado con el equipo comercial, encontrando que el sistema detecta un fallo más que los detectados por el sistema comercial, es decir el sistema comercial no es capas de detectar sobrecargas térmicas, lo que si realiza el sistema basado en redes neuronales.