Detección de fallas en rodamientos de un motor de inducción trifásico tipo jaula de ardilla empleando análisis de vibraciones

Los motores eléctricos son una parte fundamental del proceso de producción industrial y su indisponibilidad tiene un gran impacto en los resultados de las compañías. El porcentaje de falla más alto en los motores se presenta por fallas en los rodamientos y por esta razón las empresas realizan inversiones cuantiosas en equipos de diagnóstico y capacitación del recurso humano para diagnosticar y/o identificar dichas fallas y evitar paradas de emergencia que afecten la producción. En los motores eléctricos la forma más usada en la industria para detectar e identificar las fallas de rodamiento es por medio del análisis de vibraciones. Todo rodamiento en falla genera componentes de frecuencia característica que varía de acuerdo con la ubicación de la falla. La transformada de Fourier y la de Hilbert son dos técnicas utilizadas para la detección de dichas componentes de frecuencia de falla, siendo la última técnica la más compleja de las dos. 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 rápida de Fourier y la transformada Hilbert, con el objetivo de contrarrestar dichos métodos por medio de los datos obtenidos. El equipo que se tomó como piloto para identificar fallas en rodamientos por medio del análisis de vibraciones fue el motor siemens trifásico tipo jaula de ardilla de 0,5HP de la Universidad Javeriana Cali.
Electric motors are a fundamental part of the industrial production process and their unavailability has a great impact on the companies' results. The highest failure rate in motors is due to faults in bearings and for this reason companies make substantial investments in diagnostic and human resource training equipment to diagnose and / or identify such failures and avoid emergency stops that affect the production. In electric motors the most widely used way in the industry to detect and identify bearing failures is by means of vibration analysis. Any fault bearing generates characteristic frequency components that vary according to the location of the fault. The Fourier transform and the Hilbert transform are two techniques used for the detection of those fault frequency components, the latter technique being the more complex of the two. This work includes the design and implementation of a data acquisition stage, which consists of an accelerometer positioned in the housing (near the axis) of a three-phase squirrel-cage motor and a coupling circuit whose function is to protect The communication device (sensor-computer). The voltage signals provided by the sensor are stored in a web database accessible to the user. The obtained information is analyzed using the techniques of the Fourier transform and Hilbert, with the aim of counteracting these methods by means of the data obtained. The equipment that was taken like pilot to identify failures in bearings by means of the analysis of vibrations was the squirrel cage three phase siemens motor of the University Javeriana Cali.