| Summary: | Las metodologías para la determinación e identificación de fallas en procesos industriales
viene siendo desarrollada e investigada desde hace 30 años, en los cuales se han
elaborado una gran variedad de metodologías de detección y de aplicaciones a sistemas
reales.
Debido al aumento de la complejidad y cantidad de los procesos que necesitan ser
controlados, surgen teorías para la detección e identificación de fallas como solución a
problemas de repercusión no solo económica, sino también ecológica, productiva y de
seguridad.
En la presente tesis se ha desarrollado un método de detección e identificación basado en
una innovación proveniente del filtro de Kalman, la cual provee condiciones suficientes
y necesarias para la detección de fallas aditivas bajo influencia de ruido gaussiano
blanco. Esta metodología de detección se aplica a un motor de corriente contínua de
excitación independiente, cuya función de transferencia tipo SISO ha sido obtenida
experimentalmente.
Posteriormente un análisis estadístico de la innovación obtenida del filtro de Kalman,
ha permitido diagnosticar la presencia e instante de la falla aditiva generada en el
sensor del sistema. Lo anterior ha generado un sistema capaz de detectar fallas aditivas
idealizadas como modelos tipo escalones y rampas en un sistema lineal e invariante en
el tiempo.
El sistema desarrollado, permite la correcta detección e identificación de las fallas aditivas
presentes en el sensor del modelo del motor de corriente continua, basándose en
el análisis estadístico del parámetro innovación proveniente del Filtro de Kalman. === Tesis
|
|---|
