El presente trabajo de tesis tiene como principal objetivo desarrollar el algoritmo de control
de un robot móvil, el cual se desplazará por una planta industrial en busca de fallas en
equipos críticos como son los motores y las bombas. Los motores y las bombas son
componentes básicos y fundamentales para los procesos industriales, por lo tanto, es
importante mantenerlos en óptimas condiciones con el fin de evitar paradas imprevistas,
sobrecostos, y pérdidas de calidad y eficiencia del proceso. En muchos casos, los trabajos
de mantenimiento implican medir la vibración de los equipos en lugares confinados o de
difícil acceso y debido a que, en la actualidad, se debe velar por la seguridad y bienestar
del personal, se propone utilizar un robot móvil para esta tarea. Por lo tanto, se propone
diseñar e implementar un sistema de diagnóstico de fallas utilizando mediciones de
vibración en conjunto con técnicas de Inteligencia Artificial para un robot móvil. Para lograr
el objetivo propuesto, primero se estudian los componentes industriales de interés,
resaltando las fallas más comunes y la normativa correspondiente para la clasificación de
su condición. Seguidamente, se presentan las estrategias de mantenimiento existentes
para su evaluación, resaltando las ventajas y desventajas de cada una, y se introducen los
robots móviles como alternativa, teniendo como ejemplos casos reales en donde estos son
importantes para realizar trabajos de búsqueda y rescate, en condiciones inaccesibles y
peligrosas para las personas. Luego se presentan los algoritmos utilizados en el análisis
vibracional, resaltando la Transformada de Hilbert Huang, la cual descompone las señales
en Funciones de Modo Intrínseco, señales ortogonales entre sí, que describirán la vibración
en función del tiempo y la frecuencia. Las Funciones de Modo Intrínseco serán las entradas
a nuestra Red Neuronal Convolucional, una metodología de Aprendizaje Profundo e
Inteligencia Artificial para entrenar un modelo que nos ayudará a diagnosticar el tipo de
falla. Posteriormente, se proponen los algoritmos a implementar con Python, Keras y
TensorFlow y se ponen a prueba con la base de datos de mediciones de vibración
MAFAULDA. Finalmente se presentan los parámetros del diseño del robot móvil
mencionando el hardware a utilizar y la metodología de medición, y se realiza una
comparación de tiempos de procesamiento con una PC para pruebas y la NVIDIA Jetson
Nano. / Tesis
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/17779 |
| Date | 12 January 2021 |
| Creators | Inafuku Yoshida, Alberto Hiroshi |
| Contributors | Pérez Zúñiga, Carlos Gustavo |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Atribución 2.5 Perú, info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by/2.5/pe/ |
Page generated in 0.0066 seconds