En los procesos industriales, y principalmente en aquellos de producción continua, es imprescindible implementar programas de mantenimiento preventivo y predictivo, a fin de evitar pa-radas indeseadas y disminuir costos de reparación. En muchos de estos procesos los motores de inducción (MI) constituyen un componente fundamental, lo que lleva al gran interés por parte de la industria de desarrollar técnicas de mantenimiento predictivo de carácter no invasivo para estas máquinas. Por otra parte, a la hora de analizar faltas en un accionamiento eléctrico constituido por el conjunto motor-carga, general-mente son mayores los problemas asociados a la carga impul-sada que los del propio motor. Por esta razón, en el desarrollo de estrategias de diagnóstico es muy importante discriminar el origen de la falta (mecánico o eléctrico), como también detec-tar y diagnosticar correctamente las faltas asociadas a la carga. El objetivo de la presente tesis es el estudio de la detección y el diagnóstico de faltas de origen mecánico en accionamientos con MI, particularmente el análisis de técni-cas de detección y diagnóstico de faltas debidas a desbalan-ces mecánicos, desalineación, excentricidad, y su discrimina-ción de estas con aquellas que ocasionan faltas de caracterís-ticas similares, particularmente las debidas a rotura de barras del rotor. Para ello se presentan modelos matemáticos del accionamiento, el cual incluye el modelo del MI y la carga impulsada. Se modelan además los efectos causados por la presencia de irregularidades en la carga: desbalance, desali-neación en el acoplamiento motor-carga, y excentricidad. Mediante estos modelos se realiza el análisis por simulación de diferentes técnicas de detección de faltas basadas en la medición de variables eléctricas. Las estrategias estudiadas y simuladas son luego validadas experimentalmente a partir de datos obtenidos en bancos de ensayos que permiten emular las faltas particulares en estudio, y de mediciones realizadas en la industria. En lo referente a las faltas originadas debido a desalineación, los resultados obtenidos son comparados con estrategias comúnmente usadas en la industria: vibraciones mecánicas y termografía infrarroja. Se propone también un observador adaptivo de estructura variable que permite estimar velocidad y par de carga, en base a las mediciones de tensiones y corrientes del motor. Con esta propuesta se obtiene una estimación de la perturbación de par de carga, que puede usarse para el diagnóstico de faltas, como también para su compensación en el caso de un accionamiento a lazo cerrado. Se presenta además dos aplicaciones para el diagnós-tico automático de faltas mediante el uso de redes neuronales no supervisadas del tipo mapa auto-organizados (Self-Organi-zing Maps - SOM). Dichas aplicaciones permiten la clasifica-ción de las faltas con una mínima interpretación por parte del especialista. En cuanto a la primera red, se creó e implemento en el diagnóstico de faltas producidas por desbalances mecá- nicos en máquinas accionadas mediante motores de inducción y por desalineación entre los ejes motor-carga. La segunda red, se creó e implemento bajo la necesidad de detectar las faltas que presentan síntomas de características similares, es decir, que poseen en el análisis del espectro de la corriente las mismas frecuencias características de faltas, como ser el caso de barras rotas y cargas oscilantes de baja frecuencia. Los resultados obtenidos en el presente trabajo de tesis afirman la posibilidad de detección de faltas de origen tanto eléctrico como mecánico mediante las técnicas estudiadas, basadas en la medición de variables eléctricas. / In industrial processes, mainly in those of continuous pro-duction, it is necessary to implement preventive and predic-tive maintenance programs in order to prevent unwanted stops and reduce repair costs. In many of these processes, induction motors (IM) constitutes a major component, leading to great interest from industry to develop non-invasive predictive maintenance techniques for these machines. On the other hand, when analyzing faults in an electric drive consisting of motor-load set, problems associated with the driven load of the motor are generally more important than those of the electric machine itself. For this reason, the deve-lopment of diagnostic strategies is very important to distin-guish the origin of the fault (mechanical or electrical) as well as to detect and correctly diagnose the faults associated with the load. The objective of this thesis is to study the detection and diagnosis of mechanical faults in actuators with MI, and particularly the analysis of techniques to detect faults due to mechanical unbalance and misalignment.With this aim, a mathematical model of the drive, which includes the IM model and the driven load, is presented. The effects of the of irregularities in the load, particularly imbalance and misa-lignment in the motor-load coupling are also included in the model. Using these models, a simulation analysis of different fault detection techniques based on measurement of electri-cal variables is performed. Studied and simulated strategies are then validated experimentally, using data from bench testing to emulate the faults studied and measurements made in the industry. The results of these strategies are compared with commonly used strategies in the industry: mechanical vibration and infrared thermography. An adaptive variable structure observer (sliding mode observer) to estimate speed and load torque is also proposed. The estimation is performed using the measurements of voltages and currents and the motor model. This proposal provides an estimate of the dis-turbance load torque which can be used to diagnose faults, as well as for compensation in case of a closed-loop drive. A method for automatic diagnosis of faults using unsupervised neural networks is also presented. This method allows the classification of faults with a minimal interpretation by the specialist. The obtained results affirm the possibility of de-tecting faults of both electrical and mechanical origin through the techniques studied, based on the measurement of electrical variables.

Las técnicas de diagnóstico de máquinas eléctricas más utilizadas actualmente están basadas en el análisis de la corriente (debido a su carácter no invasivo) a través de la transformada de Fourier (FT). Su principal inconveniente es que no pueden utilizarse en aplicaciones que trabajan constantemente en régimen transitorio, como la generación eólica o la automoción eléctrica, entre otros campos de creciente importancia. Desde finales del siglo XX hasta la fecha se han desarrollado algunas técnicas para el diagnóstico en regímenes transitorios; estas técnicas están basadas fundamentalmente en obtener la evolución temporal de las componentes armónicas de las corrientes causadas por averías, lo cual se consigue aplicando transformadas tiempo-frecuencia (t-f). Hata el momento se han aplicado transformadas estándar no optimizadas para el diagnóstico de averías en máquinas eléctricas (e.g., FT de tiempo corto, transformada wavelet) las cuales permiten la detección de algunas componentes de avería en determinadas zonas del plano t-f. Por otra parte, existen transformadas de carácter adaptativo cuyo análisis se ajusta a la señal a analizar (e.g. Matching Pursuit), no utilizadas todavía en el campo del diagnóstico. Sin embargo, no permiten centrarse en obtener las componentes de avería e incurren en tiempos de cálculo prohibitivos (semanas). En la presente tesis se ha desarrollado una metodología original de análisis t-f, optimizada para el diagnóstico de averías en máquinas eléctricas, mediante el análisis de la corriente. La metodología propuesta se desarrolla teniendo en cuenta las particularidades de la señal analizada y los objetivos del diagnóstico; esto permite efectuar el seguimiento de múltiples componentes de falta a lo largo de amplios dominios del plano t-f con tiempos de procesamiento reducidos, lo que hace posible diagnósticos de gran fiabilidad. El desarrollo de la metodología implica las siguientes etapas: (i) Se caracterizan las evoluciones de las componente / Pons Llinares, J. (2013). Metodología para el diagnóstico de averías en motores de inducción mediante el análisis de corrientes estatóricas transitorias utilizando átomos tiempo-frecuencia [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/27555 / Palancia

La presente tesis cuenta con dos objetivos. Por una parte introducir y validar un método de análisis de corrientes estatóricas para el diagnóstico de máquinas de inducción conectadas a la red que operan en estado transitorio, basado en el uso de filtros de rechazo de frecuencia en combinación con la distribución de Wigner-Ville, con especial interés en su aplicación para la detección incipiente de defectos. El segundo objetivo consiste en replicar de la manera más fidedigna posible el proceso de rotura de una barra en el rótor de un motor de inducción. Para ello se ha diseñado un ensayo encaminado a provocar dicha avería sometiendo un motor a fatiga. Con este objetivo se ha construido un banco de pruebas y emplazado los sensores necesarios, así como un sistema de recogida de datos de manera automatizada. Adicionalmente, se ha diseñado los programas de procesamiento de los mismos, también para ser llevado a cabo de la manera lo más desatendida posible. / Climente Alarcón, V. (2012). Aportación al mantenimiento predictivo de motores de inducción mediante modernas técnicas de análisis de la señal [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/15915 / Palancia

[EN] The aim of the fault diagnosis techniques of rotatory electrical machine is to determine the condition of the motor in order to reduce economical loses. In the technical literature is found different signal processing techniques that allow discriminate with the help of an expert that recognize the results, between the healthy and faulty condition of the electrical machines. It is therefore essential to automate this expert task. It is also a priority to research and to develop new detection systems more accurate than the previous ones. Complex systems based on expert systems are used to improve the classification of faults. For this research thesis, has been developed an automatic "supra-system" capable to generate optimal fault diagnosis systems. The proposed "supra-system" is able to generate the optimal diagnostic system for the fault detection induction motors. This has been achieved following these steps: Sample collection: an experimental test bench has been build, where the test motor current and speed are sampled. These samples are obtained for different motor speeds and different load torque. A total of 735 samples has been analyzed in the thesis. The samples have been processed with different techniques of diagnosis according to the working regime. For the steady-state regime is: - Signal analysis. - The analytical signal modulus (Hilbert transform). - Cepstrum transform. - Analysis of Park transform modulus. - Harmonic order tracking analysis (HOTA). For the steady-state regime 20 different diagnostic methods have been explored, resulting from the variations of these techniques. While the techniques used for the transient regime are: - Harmonic order tracking analysis (HOTA) using the Short-Time Fourier Transform (STFT) with Gaussian window. - Harmonic order tracking analysis (HOTA) using the Short-Time Fourier Transform (STFT) with Prolate window (This window is a contribution of this thesis). - Harmonic order tracking analysis (HOTA) using the Short-Frequency Fourier Transform (SFFT) with Gaussian window (This technique is a contribution of this thesis) - Harmonic order tracking analysis (HOTA) using the Short-Frequency Fourier Transform (SFFT) with Prolate window. In addition to these two contributions that are integrated into the HOTA method, have been applied to the original algorithm improvements that helps to decrease the computation time and memory space needed. The improvements are: - A new band-pass filtering stage. - The minimization of the edge effect. - A new faster algorithm for the optimum setting of the filter window. For the transient regime 4 different diagnostic methods are explored. For each of the techniques used, the relevant features are obtained. Thus, a matrix is obtained with feature vectors column with 24 dimension length (20 in steady-state and 4 in transient) and as many rows as the number of tests used in this thesis (735 tests). For each of the feature vectors obtained different classifiers are generated based on artificial neural networks (with one and two hidden layer) and Support Vector Machine (with polynomial or Gaussian kernel function). In other words, four different classifier methods that run in parallel and automatically obtain the optimum parameters according to its parameters. In the final step, the results are analysed and the optimal diagnosis system is selected. The "supra-system" developed in this thesis have the following advantages: 1. It achieves a final optimal diagnostic system. 2. It produces several local optimal diagnostic systems taking into account the training time and the estimated diagnosis time. 3. It is completely autonomous. 4. It is adaptable to the induction motor type, as it can generate an optimal diagnostic system specific for each type of motor. / [ES] El objetivo de las técnicas de diagnóstico de fallo en las máquinas eléctricas rotativas es el de determinar el estado del motor para minimizar costes. En la literatura técnica se encuentran diversas técnicas de análisis de señal que permiten discriminar, mediante un experto capaz de interpretar los resultados, entre una máquina eléctrica en estado de fallo o en estado sano. Por tanto, se hace necesaria la automatización de esta labor. Es prioritario investigar y desarrollar nuevos sistemas de detección que maximicen la precisión respecto a las características disponibles. Para mejorar la clasificación de fallos se estudian sistemas cada vez más complejos basados en sistemas expertos. Se ha desarrollado para esta tesis de investigación un "suprasistema" automático capaz de generar sistemas óptimos de diagnóstico de fallos. Este "suprasistema" se encarga de generar el sistema de diagnóstico óptimo para la detección de fallos en motores de inducción. Para ello se han seguido los siguientes pasos: Obtención de muestras: se ha diseñado un banco de ensayos experimental del cual se obtienen las corrientes y velocidad del motor de estudio. Los ensayos permiten diferentes velocidades del motor y diferentes pares resistentes. Se analizan un total de 735 muestras en la tesis. A estas muestras se les han aplicado diferentes técnicas de diagnosis según el régimen de funcionamiento. Para régimen estacionario son: - Análisis de la señal. - Transformada de Hilbert (módulo de la señal analítica). - Transformada Cepstrum. - Transformada del módulo de Park. - Análisis del orden de armónico (HOTA). Para el régimen estacionario se han explorado 20 métodos, resultado de las diferentes variantes de las técnicas empleadas. Mientras que las técnicas usadas para el régimen transitorio son: - Análisis del orden de armónico (HOTA) de la señal con Short Time Fourier Transform y con ventana Gaussiana. - Análisis del orden de armónico (HOTA) de la señal con Short Time Fourier Transform y con ventana Prolate. (Aportación a la tesis de la aplicación de esta ventana). - Análisis del orden de armónico (HOTA) de la señal con Short Frequency Fourier Transform y con ventana Gaussiana. (Aportación a la tesis de la aplicación de esta técnica). - Análisis del orden de armónico (HOTA) de la señal con Short Frequency Fourier Transform y con ventana Prolate. Además de estas dos aportaciones que se integran en el método HOTA se han aplicado mejoras al algoritmo original que permiten disminuir el tiempo de cálculo y el espacio de memoria necesario. Las mejoras son: - Un filtrado paso banda. - La minimización del efecto de borde. - Un nuevo algoritmo más rápido para el ajuste óptimo de la ventana de filtro. En conclusión, para el régimen transitorio se exploran 4 métodos de diagnóstico. Se ha obtenido características relevantes con cada técnica empleada. En conjunto se obtiene una matriz de vectores de características de dimensión 24 (20 estacionario y 4 en transitorio), donde cada vector tiene la dimensión del número de ensayos realizados, 735. Para cada vector de características se generan varios clasificadores basados en Redes Neuronales Artificiales (de 1 y 2 capas ocultas) y Máquina de vectores de soporte (con kernel polinomial o de base radial). Es decir, se aplican 4 técnicas diferentes de clasificadores, que de forma paralela y automática obtienen los óptimos según los parámetros de los mismos. Como paso final, se analizan los resultados obtenidos y se realiza la selección del sistema óptimo de diagnóstico. El suprasistema desarrollado en esta tesis aporta las siguientes ventajas: 1. Obtiene un sistema de diagnóstico óptimo final. 2. Obtiene varios sistemas de diagnóstico óptimos locales con los tiempos de entrenamiento y los tiempos de diagnóstico. 3. El suprasistema es totalmente autónomo. 4. El suprasistema es adaptable al tipo de motor / [CAT] El principal objectiu de les tècniques de diagnosis es determinar l'estat del motor per minimitzar costos. En la literatura s'hi troben diferents tècniques de anàlisi i processament de la senyal que permeten identificar, amb ajuda de personal altament qualificat amb capacitat d'interpretar els resultats, si la maquina es troba en estat sa o en estat d'averia. Per tot això, resulta necessari la tasca d'automatitzar aquesta labor. Es prioritari investigar nous sistemes de detecció que maximitzen la precisió, tenint en compte les característiques disponibles. Per millorar aquestes característiques de classificació es proposen sistemes cada vegada més complexos basats en sistemes experts. S'ha desenvolupat un "suprasistema" automàtic capaç de generar sistemes òptims de diagnosi de falles. Aquest "suprasistema" proposat s'encarrega de generar el sistema de diagnosi òptim per a la detecció de fallades en motors de inducció. Per al seu desenvolupament s'han seguit les següents etapes: Obtenció d'assajos: s'ha dissenyat un banc d'assajos experimental del qual s'obtenen les corrents i la velocitat del motor d'estudi. Els assaigs permeten diferents velocitats del motor i diferents parells resistents. S'analitzen un total de 735 mostres en la tesi. A aquestes assajos se'ls han aplicat diferents tècniques de diagnosi segons el règim de funcionament. Per al règim estacionari són: - Anàlisi de la senyal. - Transformada de Hilbert (mòdul de la senyal analítica). - Transformada Cepstrum. - Transformada del mòdul de Park. - Anàlisi de l'ordre d'harmònic (HOTA). Per a la diagnosi en règim estacionari s'han explorat 20 mètodes distints, resultat de diferents variacions de les tècniques utilitzades. Mentre que les tècniques aplicades al règim transitori han estat: - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en temps i finestra Gaussiana. - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en temps i finestra Prolate. (Aportació a la tesi de l'aplicació d'aquesta finestra) - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en freqüència i finestra Gaussiana. (Aportació a la tesi de l'aplicació d'aquesta tècnica). - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en freqüència i finestra Prolate. A més d'aquestes dues aportacions que s'integren en el mètode HOTA s'han aplicat millores a l'algoritme original que permeten disminuir el temps de càlcul i l'espai de memòria necessari. Les millores són: - Una etapa de filtrat pas banda. - Minimització del efectes de costat. - Algoritme més ràpid per a l'ajust òptim de la finestra de filtrat. En conclusió, per al règim transitori s'han analitzat quatre mètodes de diagnosi diferents. Amb les tècniques utilitzades s'obté les característiques rellevants. En conjunt s'obté una matriu de vectors de característiques de dimensió 24 (20 estacionari més 4 en transitori), on cada vector té la dimensió del nombre d'assajos que s'han realitzat, 735. Per cada un dels vectors de característiques obtinguts es desenvolupen distints tipus de classificadors basats en Xarxes neuronals artificials (d'una i de dues capes ocultes) y Màquines de vectors de suport (amb kernel polinomial o base radial gaussiana). És a dir, s'apliquen 4 tècniques diferents de classificadors, que de forma paral·lela i automàtica obtenen els òptims segons els paràmetres dels mateixos. Finalment, es analitza els resultats i es realitza la selecció del sistema de diagnòstic òptim. El suprasistema construït en aquesta tesi aporta els següents avantatges: 1. Obtenir un sistema de diagnosi òptim final. 2. Obté diversos sistemes de diagnosi localment amb els temps del procés d'entrament i el temps de diagnosi 3. Es totalment autònom. 4. Es adaptable y pot generar un sistema de diagnosi específi / Burriel Valencia, J. (2016). Aplicación de sistemas de autoaprendizaje al diagnóstico de máquinas eléctricas [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68498 / TESIS

El trabajo de investigación se basa en la detección de averías en máquinas eléctricas rotativas, utilizando el análisis de las corrientes estatóricas de la máquina. Para ello se van a utilizar novedosas técnicas matemáticas avanzadas de procesado de señal. Entre las averías que se pretenden detectar destacan la rotura de barras, cortocircuitos entre espiras y excentricidades estáticas, dinámicas y mixtas. Tradicionalmente la detección de estas averías se ha realizado mediante el análisis de corrientes cuando la máquina está funcionando en régimen permanente y muy recientemente se ha comenzado a analizar el régimen transitorio de la máquina. No obstante, en régimen permanente hay averías que son difícilmente detectables debido a que las componentes de fallo dependen en gran medida del deslizamiento que tenga la máquina eléctrica, siendo muy bajo en régimen permanente, sobre todo en máquinas de grandes potencias. Por ello, durante los últimos años, el Grupo de Investigación en el que se va a desarrollar la tesis doctoral ha desarrollado una serie de novedosas técnicas que permiten detectar las averías mediante el análisis de corrientes en régimen transitorio. No obstante, debido a su elevada complejidad computacional, de análisis e interpretación siguen existiendo una serie de inconvenientes que se pretenden mejorar. Uno de ellos, por ejemplo, es la obtención de indicadores que sean válidos tanto en régimen permanente como en régimen transitorio. El siguiente paso en este análisis que se pretende desarrollar en la tesis doctoral, consiste en desarrollar técnicas de diagnóstico a partir de la medida de corrientes en cualquier tipo de régimen (permanente, transitorio e incluso alimentando a la máquina eléctrica a través de convertidores de frecuencia), tanto como para motores como para generadores, mediante una técnica novedosa que consiste en la representación de la corriente en el sistema de referencia rotórico. Para ello se van a analizar las ondas de corriente cambiando el sistema de referencia, pasando de un sistema de referencia estático a un sistema de referencia móvil. El sistema de referencia va a depender de la velocidad de giro de la máquina eléctrica y por tanto del deslizamiento. De este modo, sabiendo que las componentes de avería dependen del deslizamiento, se va a obtener un nuevo sistema de medida y análisis dependiente del deslizamiento en todo momento. Con ello se pretende mejorar los resultados a la hora de obtener un diagnóstico del estado de la máquina eléctrica, así como su aplicación en cualquier régimen de funcionamiento; funcionando en modo motor o generador con diferentes frecuencias de alimentación o generación. / Sapena Bañó, Á. (2014). Desarrollo de técnicas avanzadas de diagnóstico de máquinas eléctricas válidas para cualquier régimen de funcionamiento [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/39376 / TESIS

Tesis por compendio / [ES] Hay dos aspectos cruciales a la hora de operar motores de inducción en la industria: la estimación de su eficiencia (para minimizar el consumo de energía) y su diagnóstico (para evitar paradas intempestivas y reducir los costes de mantenimiento). Para estimar la eficiencia del motor es necesario medir tensiones y corrientes. Por ello, resulta conveniente y muy útil utilizar la misma corriente para diagnosticar también el motor (Motor Current Signature Analysis: MCSA). En este sentido, la técnica MCSA más adecuada es aquella basada en la localización de armónicos de fallo en el espectro de la corriente de línea del estator en régimen permanente, pues esta es la condición de funcionamiento de la mayoría de los motores de inducción de la industria. Por otro lado, dado que la frecuencia de estos armónicos depende de la velocidad, resulta imprescindible conocer esta magnitud con precisión, ya que esto permite localizar correctamente los armónicos de fallo, y, por tanto, reducir las posibilidades de falsos positivos/negativos. A su vez, una medida precisa de la velocidad también permite calcular con precisión la potencia mecánica, lo que se traduce en una estimación más exacta del rendimiento. Por último, para adaptarse a las necesidades de la Industria 4.0, en la que se monitoriza continuamente un gran número de motores, la velocidad también debe ser obtenida de manera no invasiva, automática y para cualquier motor de inducción. A este respecto, dado que la medición precisa de la velocidad a través de un encóder es invasiva y costosa, las técnicas de estimación de velocidad sin sensores (SSE en inglés) se convierten en la mejor opción. En la primera parte de esta tesis se realiza un análisis exhaustivo de las familias de técnicas SSE presentes en la literatura técnica. Como se demuestra en ella, aquellos métodos basados en armónicos de ranura (RSHs en inglés) y en armónicos laterales de frecuencia rotacional (RFSHs) son potencialmente los únicos que pueden satisfacer todos los requisitos mencionados anteriormente. Sin embargo, como también se demuestra en esta parte, y hasta esta tesis, siempre había existido un compromiso entre la precisión (característica de los RSHs) y la aplicabilidad general del método (característica de los RFSHs). En la segunda parte, y núcleo de esta tesis, se presenta una metodología que acaba con este compromiso, proporcionando así el primer método de estimación de velocidad preciso, general, no invasivo y automático para el diagnóstico en estado estacionario MCSA y la estimación de la eficiencia de motores de inducción que operan en un contexto de Industria 4.0. Esto se consigue desarrollando una novedosa técnica basada en RSHs que, por primera vez en la literatura técnica, elimina la necesidad de conocer/estimar el número de ranuras del rotor, lo que había impedido hasta la fecha que estos métodos fueran de aplicación general. Esta técnica proporciona además un procedimiento fiable y automático para localizar la familia de RSHs en el espectro de la corriente de línea de un motor de inducción. De igual forma y sin la ayuda de un experto, la técnica es capaz de determinar los parámetros necesarios para estimar la velocidad a partir de los RSHs, utilizando medidas tomadas en régimen estacionario. La metodología es validada utilizando motores con diferentes características y tipos de alimentaciones, empleando para ello simulaciones, pruebas de laboratorio y 105 motores industriales. Además, se muestra un caso de aplicación industrial en el que el algoritmo desarrollado se implementa en un sistema de monitorización continua mediante MCSA, lo que acaba conduciendo al descubrimiento de un nuevo fallo en motores sumergibles de pozo profundo: el desgaste de los anillos de cortocircuito. Por último, se presenta una segunda aplicación directa para este tipo de motores derivada del procedimiento de detección de RSHs: el uso de estos armónicos para diagnosticar, en fase temprana, cortocircuitos entre espiras. / [CA] Hi ha dos aspectes crucials a l'hora d'operar motors d'inducció en la indústria: l'estimació de la seua eficiència (per a minimitzar el consum d'energia) i el seu diagnòstic (per a evitar parades intempestives i reduir els costos de manteniment). Per a estimar l'eficiència del motor és necessari mesurar tensions i corrents. Per això, resulta convenient i molt útil utilitzar el mateix corrent per a diagnosticar també el motor (Motor Current Signature Analysis: MCSA). En aquest sentit, la tècnica MCSA més adequada és aquella basada en la localització d'harmònics de fallada en l'espectre del corrent de línia de l'estator en règim permanent, ja que aquesta és la condició de funcionament de la majoria dels motors d'inducció de la indústria. D'altra banda, atés que la freqüència d'aquests harmònics depén de la velocitat, resulta imprescindible conéixer aquesta magnitud amb precisió, ja que això permet localitzar correctament els harmònics de fallada i, per tant, reduir les possibilitats de falsos positius/negatius. Al seu torn, una mesura precisa de la velocitat també permet calcular amb precisió la potència mecànica, la qual cosa es tradueix en una estimació més exacta del rendiment. Finalment, per a adaptar-se a les necessitats de la Indústria 4.0, en la qual es monitora contínuament un gran nombre de motors, la velocitat també ha de ser obtinguda de manera no invasiva, automàtica i per a qualsevol motor d'inducció. En aquest sentit, atès que el mesurament precís de la velocitat a través d'un encóder és invasiva i costosa, les tècniques d'estimació de velocitat sense sensors (SSE en anglés) es converteixen en la millor opció. En la primera part d'aquesta tesi es realitza una anàlisi exhaustiva de totes les famílies de tècniques SSE presents en la literatura tècnica. Com es demostra en ella, aquells mètodes basats en harmònics de ranura (RSHs en anglès) i harmònics laterals de freqüència rotacional (RFSHs en anglés) són els més prometedors, ja que son potencialment els únics que poden satisfer tots els requisits esmentats anteriorment. No obstant això, com també es demostra en aquesta part, i fins a aquesta tesi, sempre havia existit un compromís entre la precisió (característica dels RSHs) i l'aplicabilitat general del mètode (característica dels RFSHs). En la segona part, i nucli d'aquesta tesi, es presenta una metodologia que acaba amb aquest compromís, proporcionant així el primer mètode d'estimació de velocitat precís, general, no invasiu i automàtic per al diagnòstic en estat estacionari MCSA i l'estimació de l'eficiència de motors d'inducció que operen en un context d'Indústria 4.0. Això s'aconsegueix desenvolupant una nova tècnica basada en RSHs que, per primera vegada en la literatura tècnica, elimina la necessitat de conéixer/estimar el nombre de ranures del rotor, cosa que havia impedit fins avui que aquests mètodes foren d'aplicació general. Aquesta tècnica proporciona a més un procediment fiable i automàtic per a localitzar la família de RSHs en l'espectre del corrent de línia d'un motor d'inducció. De la mateixa forma i sense l'ajuda d'un expert, la tècnica és capaç de determinar els paràmetres necessaris per a estimar la velocitat a partir dels RSHs, utilitzant mesures preses en règim estacionari. La metodologia és validada utilitzant motors amb diferents característiques i condicions d'alimentació, emprant per a això simulacions, proves de laboratori i 105 motors industrials. A més, es mostra un cas real d'aplicació industrial en el qual l'algoritme desenvolupat és implementat en un sistema de monitoratge continu mitjançant MCSA, la qual cosa acaba conduint al descobriment d'una nova fallada en motors submergibles de pou profund: el desgast dels anells de curtcircuit. Finalment, es presenta una segona aplicació directa per a aquest tipus de motors derivada del procediment de detecció de RSHs: l'ús d'aquests harmònics per a diagnosticar, en fase primerenca, curtcircuits entre espires. / [EN] There are two crucial aspects when operating induction motors in industry: efficiency estimation (to minimize energy consumption) and diagnosis (to avoid untimely outages and reduce maintenance costs). To estimate the motor's efficiency, it is necessary to measure voltages and currents. Hence, it is convenient and very useful using the same current to also diagnose the motor (Motor Current Signature Analysis: MCSA). In this regard, the most suitable MCSA technique is that based on locating fault harmonics in the spectrum of the stator line current under steady-state, as this is the operating condition of most induction motors in industry. Since the frequency of these harmonics depends on the speed, it becomes essential to be able to know this magnitude with precision, as this makes it possible to correctly locate the fault harmonics, and therefore, reduce the chances of false positives/negatives. In turn, an accurate speed information also allows to calculate the mechanical power with precision, which results in a more accurate estimation of the motor performance. Finally, to adapt to the needs of 4.0 Industry, where large numbers of motors are continuously monitored, the speed must not only be obtained very accurately, but also non-invasively, automatically (without the need for an expert) and for any induction motor. In this regard, since precise speed measurement through a shaft sensor is invasive and expensive, Sensorless Speed Estimation (SSE) techniques become the best option. The first part of this thesis conducts a thorough analysis of all the families of SSE techniques present in the technical literature. As demonstrated therein, those techniques based on Slotting and Rotational Frequency Sideband Harmonics are the most promising, as they can potentially meet all the aforementioned requirements. However, as also proved in this part, and up to this thesis, there had always been a trade-off between accuracy, characteristic of Rotor Slot Harmonics (RSHs), and general applicability, characteristic of Rotational Frequency Sideband Harmonics (RFSHs). The second part, and core of this thesis, presents a methodology that ends with this trade-off between accuracy and general applicability, thus providing the first precise, general, noninvasive and automatic speed estimation method for MCSA steady-state diagnosis and efficiency estimation of induction motors that operate in a 4.0 Industry context. This is achieved by developing a novel RSH-based technique that, for the first time in technical literature, eliminates the need to know/estimate the number of rotor slots, which had so far prevented these techniques to be generally applicable. This technique also provides a reliable and automatic procedure to, from among the high number of significant harmonics present in the spectrum of the line current of an induction motor, locate the RSHs family. Also automatically and without the help of an expert, the technique is able to determine the parameters needed to estimate speed from RSHs, using only measurements taken during the motor normal operation at steady-state. The methodology is validated using motors with different characteristics and supply conditions, by simulations, lab tests and with 105 industrial motors. Furthermore, a real industrial case of application is shown as well, where the speed estimation algorithm is implemented in a continuous motor condition monitoring system via MCSA, which eventually leads to the discovery of a new fault in deep-well submersible motors: the wear of end-rings. Finally, a second direct application derived from the reliable and automatic procedure to detect RSHs is presented: the use of these harmonics to diagnose early-stage inter-turn faults in induction motors of deep-well submersible pumps. / Bonet Jara, J. (2023). A precise, General, Non-Invasive and Automatic Speed Estimation Method for MCSA Steady-State Diagnosis and Efficiency Estimation of Induction Motors in the 4.0 Industry [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/194269 / Compendio