Diagnóstico de Fallas Mecánicas en Motores Eléctricos Mediante Aplicaciones de Inteligencia Artificial
Este proyecto se centra en el mantenimiento predictivo de máquinas eléctricas, con énfasis en la detección temprana de fallas en rodamientos y diversas fallas de máquinas eléctricas mediante análisis de vibraciones. Explora la utilización de modelos de aprendizaje profundo y aceleradores de hardware como FPGAs (Field-Programmable Gate Arrays) para procesar y clasificar estas vibraciones para el diagnóstico de fallas.
Se encuentran subidos los archivos pdf de la tesis final y ademas los archivos necesarios para reproducir los pasos y entrenamientos (mediciones, ipynb, etc). Es necesario configurar entorno Python, poseer una placa Zybo Z7-10 con PYNQ instalado y el software Vivado HLS
- Introducción
- Materiales y Métodos
- Mantenimiento Predictivo
- Vibraciones
- Acelerómetros
- Redes Neuronales
- Aceleradores de Hardware
- Autoencoder para la Detección de Fallas
- Adaptación del Método
- Estudio de Caso
- Validación Inicial
- Validación Experimental
- Perfilado de la Red
- Cuantificación
- Validación FPGA
- Resultados
- Resultados de Implementación
- Análisis de Sensibilidad de la Red
- Conclusiones
- Mejoras Futuras
- Apéndice
- Estimación de Tareas
- Gestión de Riesgos
- Gestión del Tiempo
- Nombre: Pedro Ivan Wozniak Lorice
- Correo electrónico: pwozniaklorice@frba.utn.edu.ar