Sistema de deteccion disgnostico y tolerancia a fallas en un servoactuador hidraulico

Simple item page
dc.contributor.advisorBorras Pinilla, Carlos
dc.contributor.authorOrtiz Beleño, Juan Felipe
dc.date.accessioned2023-04-06T20:24:10Z
dc.date.available2023
dc.date.available2023-04-06T20:24:10Z
dc.date.created2019
dc.date.issued2019
dc.description.abstractCon el fin de promover la investigación y construcción de conocimiento en Sistemas de Mantenimiento Predictivo se llevó a cabo una metodología basada en control lineal, no lineal y redes neuronales artificiales para el desarrollo de un sistema de detección, diagnostico y tolerancia a fallas en un servoactuador hidráulico. Con base en el sistema físico, se planteó un modelo matemático para diseñar los algoritmos de control lineal y no lineal (PID, LQR, LQG) buscando lograr un control de posición tolerante a fallas por ruido, realizando simulaciones y pruebas reales con la mesa sísmica uniaxial del laboratorio de Sistemas Dinámicos. Se implementó un sistema de bypass para simular cinco condiciones de fallas por fugas internas en el interior del pistón de un servoactuador hidráulico (0 %), 25 %,50 %,75 % y 100 %). Se tomaron datos de posición para señales seno y cuadrada de frecuencia 0.2Hz, 1Hz y 5Hz para posteriormente realizar el debido procesamiento de señales y extracción de características, obteniendo una matriz de características y de objetivos. Con estas matrices se construyeron tres arquitecturas de red neuronal (adaptativa lineal, perceptron multicapa de una capa oculta y perceptron multicapa de dos capas ocultas) con el fin de obtener un sistema capaz de detectar y clasificar estas fallas por fugas internas. La metodología y los algoritmos desarrollados presentaron resultados satisfactorios en términos de tolerancia a falla al obtener una reducción del error en casi un 40 %, así como la correcta detección, clasificación de las fallas con una presición del 95 %.
dc.description.abstractenglishIn order to promote research and enhance knowledge in predictive maintenance systems, specifically fault tolerant control algorithms and fault detection and classification systems, in order to carry out a system capable of fault detection, diagnosis and tolerance a methodology based on linear, nonlinear control and artificial neural networks was developed. Based on the physical system, a mathematical model was posed with the purpose of developing linear control algorithms such as PID and LQR, and robust control algorithms as LQR, seeking to accomplish a great position control with noise tolerance, performing the respective simulations and physical tests with the uniaxial seismic shake table in the Dynamic Systems Laboratory. A Bypass system that communicate the two chambers of the hydraulic actuator was implemented in order to emulate different conditions of internal leakage inside the piston (0 %),25 %,50 %,75 % y 100 %). Using the previous mathematical model, position data was acquired for sine and square signal with 0.2H, 1Hz and 5Hz frequencies for signal processing and feature extraction, obtaining both feature and targets matrices. Moreover, three artificial neural networks architectures were designed to obtain a system capable of fault detection and classification. The enounced methodology and the developed algorithms presented satisfactory results in terms of fault tolerance, giving almost 40 % error reduction, and a correct fault detection and classification with 95 % accuracy.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Mecánica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/14032
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMantenimiento Predictivo
dc.subjectControl Robusto
dc.subjectTolerante A Fallas
dc.subjectDeteccion
dc.subjectDiagnostico
dc.subjectRedes Neuronales
dc.subject.keywordPredictive Maintenance
dc.subject.keywordRobust Control
dc.subject.keywordFault Tolerance
dc.subject.keywordDetection
dc.subject.keywordDiagnosis
dc.subject.keywordNeural Network.
dc.titleSistema de deteccion disgnostico y tolerancia a fallas en un servoactuador hidraulico
dc.title.englishFault detection, diagnosis and tolerance for a nonlinear hydraulic actuator *
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
602.65 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
10.4 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
370.49 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Mecánica