detección de fallas en rodamientos de un motor de

Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones

1

Resumen— Este trabajo de grado incluye el diseño e implementación de una etapa de adquisición de datos, la cual consta de un acelerómetro posicionado en la carcasa (cerca del eje) de un motor trifásico tipo jaula de ardilla y de un circuito de acople cuya función es proteger el dispositivo de comunicación (sensor-computador). Las señales de voltaje proporcionadas por el sensor son almacenadas en una base de datos web asequible al usuario. La información obtenida es analizada utilizando las técnicas de la transformada Fourier y la de Hilbert. El equipo que se tomó como piloto para identificar fallas en rodamientos por medio del análisis de vibraciones fue el motor siemens de la Universidad Javeriana Cali.

Índice de Términos— Análisis espectral, Transformada rápida de Fourier, Transformada de Hilbert, Análisis envolvente, Motores de inducción trifásicos tipo jaula de ardilla, fallas en rodamientos, Matlab, Labview.

I. INTRODUCCIÓN Actualmente, las exigencias de la industria y normas internacionales obligan a los fabricantes de motores eléctricos a producir equipos más eficientes y con mayor vida útil. Sin embargo, el tiempo, las condiciones de trabajo, las sobrecargas anormales de los procesos, el número de arranques, y problemas de lubricación, entre otros afectan la vida útil del motor.

Esto incrementa la probabilidad de falla en los motores, por lo cual es necesario trabajar en sistemas capaces de detectar fallas tempranas con el fin de tener un historial del comportamiento del motor y poder realizar la corrección de las fallas de manera oportuna y así reducir el daño de los equipos los costos de reparación y el impacto sobre la producción.

Existen diferentes técnicas en el uso de analizadores de vibración, como la frecuencia basada en la transformada de Fourier. Una detección temprana reduce el impacto en la producción y en los costos de reparación, pero requiere de herramientas de análisis un poco más complejas y más efectivas para que permitan diagnosticar problemas en su fase primaria y tomar acciones correctivas en forma oportuna. Con este sistema se comparan dos técnicas de análisis de vibración: Transformada rápida de Fourier y Transformada Hilbert, con el fin de establecer diferencias entre dichas técnicas y bajo qué condiciones conviene utilizar una técnica frente a la otra.

II. TÉCNICAS DE ANÁLISIS DE VIBRACIONES A. Transformada de Fourier La trasformada rápida de Fourier (FFT por

sus siglas en inglés) es un algoritmo para evaluar de forma rápida la transformada de Fourier discreta y su inversa. Su rapidez en el cálculo es lo que lo hace muy importante en el análisis de señales.

Se encuentra la ecuación a de la transformada rápida de Fourier [1]:

Detección De Fallas En Rodamientos De Un Motor De Inducción Trifásico Tipo Jaula De Ardilla Empleando Análisis De Vibraciones

Martínez Amaya, Maria Monica., Dix Sanchez, Veronica. {mmmartinez,vdix}@javerianacali.edu.co

Pontificia Universidad Javeriana Cali


2

𝐹 𝜇 = !

!!!

𝑓 2𝑥 𝑊!!"!!!

!!! + !!

𝑓(2𝑥 +!!!!!!

1)𝑊!!"𝑊!!

! (1)

B. Demodulación por Hilbert Una de las aplicaciones más comunes de la TH en análisis de vibración, es en calcular la envolvente. La transformada de Hilbert, 𝑥(t), de una señal x(t), dado que esta señal exista para −∞ ≤ t ≤ ∞, es una nueva señal dada por [2]:

𝑥 𝑡 = !(!)!(!!!)

𝑑𝑢!!! = x t ∗ !

!" (2)

La envolvente de la señal x(t) es definida como la magnitud de z(t). Así, la envolvente e(t) se determina aplicándole el módulo a la señal analítica, la cual es igual a x(t)+ j𝑥 (t), donde x(t) es la señal a analizar y 𝑥(t) es la transformada de Hilbert de x(t) [3]:

𝑒 𝑡 = 𝑧(𝑡) = 𝑥 𝑡 + 𝑗𝑥(𝑡) = 𝑥! 𝑡 + 𝑥! 𝑡 (3)

III. FALLAS EN RODAMIENTOS Investigaciones demuestran que los

rodamientos operan aproximadamente el 80% de su vida útil libres de defectos Las fallas más comunes en rodamientos son: fatiga superficial, descarga, desgaste abrasivo, desgaste adhesivo, corrosión, indentación, fractura y ludimiento. [4]

A. Frecuencia de deterioro de un rodamiento Los rodamientos están formados por varios

componentes claramente diferenciados: pista interior, bolas o rodillos, jaula y pista exterior. El deterioro de cada uno de estos elementos generará una o varias frecuencias características en los espectros de frecuencia que nos permitirán una rápida y fácil identificación [5].

Frecuencia de deterioro de la pista exterior (BPFO):

𝑓! =!!𝑓! 1 − !! !"#!

!!(2)

Frecuencia de deterioro de la pista interior (BPFI):

𝑓! =!!𝑓! 1 + !! !"#!

!!(3)

Frecuencia de deterioro de los elementos rodantes (BSF):

𝑓! =!!!!!!!

1 − 𝑑! cos𝛽 ! (4) Frecuencia de deterioro de la jaula (FTF):

𝑓! =!!!

1 − !! !"#!!!

(5)

Los cálculos de las frecuencias de falla se hacen teniendo en cuenta las características físicas del rodamiento, dado por el fabricante. N: es el número de bolas del rodamiento y fr es la frecuencia de rotación del rotor en RPS.

IV. PRUEBAS Y RESULTADOS Para comparar los dos métodos de

diagnóstico de falla (Envolvente de Hilbert y la Transformada de Fourier) se utilizó 3 bases de datos diferentes como se vera a continuación.

A. Base de datos de la Case Western Reserve La base de datos de la CWR se utilizó para

comprobar si los análisis pueden detectar fallas incipientes (el diámetro de la falla está en milímetros de pulgada). El Motor utilizado para la toma de datos es el Reliance Electric de 2HP [7].

La referencia de los rodamientos utilizados

son 6205-2RS JEM SKF los cuales poseen los siguientes parámetros de falla (utilizando las ecuaciones de falla anteriores):

Tabla 1 Tabla de Frecuencias de Fallo del 6205 BPFI BPFO FTF BSF Elemento

Rodante

5.415 3,585 0,398 2,357 4,713


3

Estos fueron los resultados obtenidos, para

Figura 1 Falla Incipiente para pista interna

Figura 2 Falla Incipiente para Pista Externa

Figura 3 Falla incipiente en los elementos rodantes

Los resultados anteriores demuestran que la envolvente de Hilbert es más sensible obteniendo mejores resultados, sobre todo en las fallas de pista interna y externa, las cuales son las más comunes en el ámbito industrial.

Tabla 2 Porcentajes para la base de datos CWR Métodos Resultados BPFI BPFO BSF

Fourier

Asertivo 16,60% 0% 0% Parcial 83,30% 55,50% 33,30% Sin resultado 0% 44,40% 66,60%

Hilbert

Asertivo 100% 100% 0% Parcial 0% 0% 55,50% Sin resultado 0% 0% 44,40%

B. Base de datos Pontificia Universidad Javeriana Cali Para analizar los datos se tuvo en cuenta las

siguientes observaciones: los datos no fueron tomados de manera ideal, es decir, el soporte que se utilizó tenía problemas de estabilidad y agarre generando frecuencias resonantes; se tomó en cuenta dos ejes del sensor ya que fueron los que recibían la mayor parte de información del rodamiento del motor.

Se analizó el motor con 3 rodamiento diferentes, el de fabrica y dos muy averiados.

Figura 4 Instalación del Sensor en el motor

La referencia de los rodamientos utilizados son 6202 los cuales poseen los siguientes parámetros de falla (utilizando las ecuaciones de falla anteriores): Tabla 3 Tabla de Frecuencias de Fallo del 6202

BPFI BPFO FTF BSF

5.415 3,585 0,398 2,357


4

Figura 5 Rodamiento de Fabrica, sin carga

Figura 6 Rodamiento 1, sin carga

Figura 7 Rodamiento 2, sin carga

En las figuras anteriores se puede ver las diferencias espectrales de los dos rodamientos con el rodamiento de fabrica. Con el rodamiento número 2 la falla es más severa, tanto que la interfaz detecta dos tipos de falla, de pista externa y de elementos rodantes. A continuación los resultados obtenidos cuando se le suministra carga al motor:

Figura 8 Rodamiento de Fabrica, Carga 50

Figura 9 Rodamiento 1, carga 90

Figura 10 Rodamiento 2, carga 50, sensibilidad 6G

Cuando los motores no se encuentran bien instalados, es decir, cuando se presentan desalineaciones, bandas flojas y falta de agarre se pueden presentar frecuencias que en ocasiones se pueden confundir como fallas en motores, como se observa en las figuras anteriores. Debido a las frecuencias que producen el ambiente en el que se encuentra el motor, para el sensor y la interfaz es muy difícil identificar la falla que posee el rodamiento.


5

C. Base de datos Carvajal Pulpa y Papel

El motor (Baldor) seleccionado para la verificación es de 250HP (186 kW), con un nivel de tension de 460V y una velocidad de 1800 RPM y mueve la bomba del tanque de sello de la lavadora a cloro.

Figura 11 Motor y ubicación de los ejes del sensor en el

motor A continuación se muestran los resultados obtenidos con la interfaz diseñada:

Figura 12 Sensibilidad 6G Axial

Figura 13 Sensibilidad 6G Radial

De acuerdo a las figuras anteriores las fallas presentes en el rodamiento son de pista externa

y e interna. Para corroborar los resultados, se analizaron los obtenidos con el software de la empresa como se muestra a continuación:

Figura 14 Falla Pista Interna (Envolvente)

Figura 15 Falla Pista Externa (Envolvente)

Tal como se aprecia en las figuras 12, 13, 14 y 15 al seleccionar en el software la falla que se desea analizar, se observa que el motor presenta fallas en las pistas interna y externa siendo esta última la más significativa por ser de mayor magnitud.

V. CONCLUSIONES Con las herramientas de Labview y Matlab se logró diseñar con éxito un sistema de adquisición y análisis de datos analógicos de vibración. Por medio del Software Labview se diseñó y se implementó la adquisición de los datos que permitió almacenar los datos; dada su facilidad de manejo de bases de datos. A través de Matlab se logró analizar los datos, es decir, contrastar las técnicas espectrales, transformada rápida de Fourier y el análisis envolvente de Hilbert. Debido a que los equipos especiales para analizar datos de vibración en motores son


6

costosos para las entidades educativas, mediante este proyecto se logró diseñar e implementar un sistema (Hardware y Software) de adquisición de datos y una interfaz que analiza las vibraciones mecánicas mediante dos algoritmos diferentes con un bajo presupuesto. Ahora bien, en cuanto al contraste entre los dos métodos se analizaron las fallas incipientes de la base de datos estadounidense y las fallas severas de la base de datos javeriana. Para fallas incipientes en rodamientos, la envolvente de Hilbert supera en porcentaje a la transformada de Fourier cuando se analizan los primeros armónicos de las frecuencias de pista interior y exterior, es decir, la envolvente captura las amplitudes de defecto bajas para este tipo de fallas en rodamientos. Cabe mencionar que las frecuencias de deterioro de los elementos rodantes son más difíciles de pronosticar por los dos métodos cuando se encuentran en su fase inicial. Por otro lado, para fallas de rodamientos severas tanto la transformada de Fourier como la envolvente de Hilbert disminuyen de manera significativa la asertividad de detectar fallas en rodamientos. Cabe mencionar que a medida que la falla crece la excitación (falla) que se produce pierde su carácter impulsivo pudiendo llegar a creerse que el elemento se mejoró, también se debe tener en cuenta el medio y las condiciones en que se encuentra instalado el motor.

Para conseguir un análisis optimo, es importante tener en cuenta la selección del sensor, la sensibilidad y el tiempo de muestreo que se vaya a implementar al diseñar sistemas de fallos en motores de inducción por medio de datos de vibración. Debido a limitaciones de presupuesto, el acelerómetro utilizado obtuvo resultados que no alcanzaron niveles óptimos para procesos industriales.

REFERENCIAS [1] H. O. Carvajal, I. F. Estupiñan, “Detección De

Fallas En Un Motor De Inducción Usando Análisis De Vibraciones Mecánicas Bajo Distintos Escenarios De Carga” M.S. Tesis, Depto. Ing. Electrónica, Universidad Industrial de Santander, Bucaramanga, Colombia, 2010.

[2] M. Segla, S. Wang, F. Wang, “Bearing Fault Diagnosis with Improved High Frequency Resonance Tecnique”. Artículo IEEE. School of Automation and Electrical Engineering. University Beijing, China, 2012.

[3] F. E. Hernández, M. Gutiérrez, “Enfoques Del Análisis De Envolvente Al Procesamiento De Vibraciones Para El Diagnóstico De Maquinarias.” Articulo. Revista de Ingeniería Mecánica. Vol. 13. No.1, pág. 31-40, enero-abril de 2010.

[4] E. Espejo, “Modos de falla Comunes en Rodamientos” [online], Documento técnico, Universidad Nacional de Colombia, 2008. Disponible en: http://www.virtual.unal.edu.co/cursos/ingenieria/2023293/und_3/pdf/rodamientos.pdfhttp://www.virtual.unal.edu.co/cursos/ingenieria/2023293/und_3/pdf/rodamientos.pdf

[5] Sinais, Curso básico de análisis de vibraciones[online]. Documento Técnico, Ingeniería de Mantenimiento. Disponible en: http://www.sinais.es/curso-vibraciones.html.

[6] A. Paz, M. C. Amaya, J. Olaya, E. Franco, J. A. Palacios, “Metodología de Diagnostico de Fallas en Motores de Inducción Trifásicos tipo Jaula de Ardilla a través de Sistemas expertos basados en Redes Bayesianas”, Tesis Doctoral, Depto. Ingeniería, Universidad del Valle, Cali, 2011.

[7] Case Western Reserve University (CWRU), “Bearing Data Center”. Disponible en: http://csegroups.case.edu/

detección de fallas en rodamientos de un motor de

Documents