Esquema de Detección de Fallos Difuso Basado en Modelado Lingüístico-Preciso de un Motor de Inducción

M. J. Fuente, E. Moya, G. I. Sainz Palmero

Resumen

Este artículo presenta un banco de modelos difusos para la detección e identificación de fallos usando el método de modelos múltiples, calculando un modelo difuso no lineal para cada modo de operación del sistema. Una comparación entre la salida de cada uno de estos modelos y las salidas de la planta determina el estado del sistema en cada momento: operación normal o cualquiera de los modos de fallo. Cada uno de los modelos difusos considerados se define mediante un conjunto de reglas difusas que ”explican” el comportamiento del sistema. Estos modelos difusos obtenidos mediante las técnicas habituales son mejorables, a través de las reglas difusas que los definen, tanto cuantitativa como cualitativamente y así aprovechar mejor todo el potencial de la lógica difusa y su capacidad ”lingüística”. A través de medidas de similitud se simplifican y mejoran los modelos, reduciendo el número total de reglas, eliminando incoherencias, redundancias y mejorando su interpretabilidad. Este método se ha aplicado a un motor de corriente alterna, para ilustrar el comportamiento y la aplicabilidad del mismo. Los resultados muestran que el método de modelos múltiples tiene un comportamiento aceptable para detectar fallos incluso después de simplificar los modelos.

Palabras clave

Sistemas difusos; medidas de similitud difusas; detección y aislamiento de fallos; método de modelos múltiples; motores de inducción

Texto completo:

PDF

Referencias

Benbouzid, M. (2000). A review of induction motors signature analysis as a medium for fault detection. IEEE Trans. on Industrial Electronics 47(5), 984–993.

Bonissoene, P. P., Y. Chen, K. Goebel and P. S. Khedkar (1999). Hybrid soft computing systems: Industrial and commercial applications. In: Proceedings of the IEEE. Vol. 87. pp. 1641–1667.

Casillas, J., O. Cordón, F. Herrera and L. Magdalena (2003a). Interpretability Issues in Fuzzy Modeling. Studies in Fuzinness and Softcomputing, Springer-Verlag. Berlín Heilderberg.

Casillas, J., O. Cordón, Herrera F. and L. Magdalena (2003b). Accuracy Improvements in Linguistic Fuzzy Modeling. Studies in Fuzinness and Softcomputing, Springer-Verlag. Berlín Heilderberg.

Chao, C.T., Y.J. Chen and C.C. Teng (1996). Simplification of fuzzy-neural systems using similarity analysis. IEEE. Trans. on Systems, Man and Cybernetics - Part B: Cybernetics. 26 (2), 344–354.

Chen, J. and R. J. Patton (1999). Robust Model-Based Diagnosis for Dynamics Systems. . Kluber. Academic Publisher.

Chiu, S.L. (1994). Fuzzy model identification based on cluster estimation. Intelligent and Fuzzy Systems 2, 267–278.

Filippetti, F., G. Franceschini, C. Tassoni and P. Vas (2000). Recent develpoments of induction motor drives fault diagnosis using AI tecniques. IEEE Trans. on Industrial Electronics 47 (5), 994– 1004.

Frank, P.M. (1990). Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy - a survey and some new results. Automatica. 26, 459–474.

Isermann, R. and P. Balle (1997). Trends in the application of model-based fault detection and diagnosis of technical processes. Control Engineering Practice 5 (5), 705–719.

Jang, J.R. (1993). ANFIS: Adaptative-network-based fuzzy inference system. IEEE Trans. on Systems, Man and Cybernetics 23, 665–685.

Jin, Y. (2000). Fuzzy modeling of high-dimensional systems: Complexity reduction and interpretability improvement. IEEE Trans. on Fuzzy Systems 8 (2), 212–221.

Setnes, M., R. Babuska, U. Kaymak and H.R. Van Nauta Lemke (1998). Similarity measures in fuzzy rule base simplification. IEEE trans. on Systems, Man and Cibernetycs, Part B: Cybernetics. 28 (3), 376–386.

Zadeh, L. A. (1965). Fuzzy sets. Information Control 8, 338–353.

Zadeh, L. A. (1988). Fuzzy logic. Computer 21, 83– 92.

Abstract Views

361
Metrics Loading ...

Metrics powered by PLOS ALM




Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912