Análisis de Ruido con el Método de Predicción Lineal• El mantenimiento de las máquinas que...
Transcript of Análisis de Ruido con el Método de Predicción Lineal• El mantenimiento de las máquinas que...
Análisis de Ruido con el Método de Predicción Lineal
A. Martínez A. H.Apolonio E. J.A, J.J. Negrete R, M. Peña G.*
*Acústica, EIMEZ- Instituto Politécnico Nacional.
OBJETIVO
Dr. Maximino Peña Guerrero
• Con base en el sonido que produce una máquina, diseñar un sistema computacional que permita prever y sugerir las acciones de su mantenimiento.
• Proponer un sistema automático que “escucha los ruidos” que producen los componentes de una máquina cuando funcionan bien, mal, o de manera peligrosa, y que además explique el motivo de alguna falla si la hubo.
PROBLEMÁTICA
Dr. Maximino Peña Guerrero
• El mantenimiento de las máquinas que utiliza la industria es costoso y requiere de personal especializado.
• En máquinas de gran tamaño (plantas nucleares, presas hidro-eléctricas, turbo-reactores) existen riesgos de fallas que ponen en peligro al personal.
• Algunos instrumentos de medición que se utilizan un sitios donde existen materiales tóxicos son delicados, de uso continúo y de difícil acceso.
• El tiempo de reparación de los sistemas algunas veces es muy grande.
• Los sistemas incrustados (embedidos) son de tiempo real y de un propósito específico, los cuales requieren software “hecho a la medida”.
Estructura de un detector de fallas
Dr. Maximino Peña Guerrero
METODOLOGÍA • Captura y preparación del sonido en tiempo real. • Extracción de las características propias de un ruido. • Creación de los tokens de un determinado ruido. • Clasificación de tokens aislados. • Clacificación de una cadena de tokens conectados
secuencialmente. • Inferencia utilizando métodos de lógica difusa. • Inferencia utilizando métodos estocásticos (cadenas
de Marcov). • Inferencia utilizando redes neuronales. • Inferencia con técnicas de la Inteligencia Artificial
métodos simbólicos (LISP, PROLOG, redes neuronales) .
• Creación automática de una base de datos que co-rresponden a diferentes señales ruidosas.
Captura del ruido.
Dr. Maximino Peña Guerrero
Sistema MIDI MidiIn MidiOut
D/A A/D Sistema WAV
Driver WAV
Driver MIDI BUS BUS
M A
Captura del ruido
Mezclador por Software
Mezclador por Hardware
Buffer Primario Buffers por Software
Buffers por Hardware
Tarjeta
de
Sonido
(secundarios)
Fuente: bargen98 p. 192
Altavoces
HERRAMIENTAS MATEMÁTICAS
Dr. Maximino Peña Guerrero
• Análisis Armónico de Señales. • Transformadas de Fourier, Laplace, Z • Cruces por cero. • Energía de la señal. • Álgebra de matrices. • Álgebra vectorial. • Distancias vectoriales. • Teoría de autómatas. • Teoría de probabilidades. • Procesos estocásticos. • Cadenas de Markov (ocultas). • Expresiones regulares. • Teoría de convolución. • Topología de árboles. • Representaciones Backus Naur Form.
Etructura WAVEHDR
typedef struct { LPSTR lpData; // dirección del buffer. DWORD dwBufferLenght; // tamaño del buffer. DWORD dwBytesRecorded; // n bytes grabados. DWORD dwUser; // datos de usuario. DWORD dwFlags; // banderas de control. DWORD dwLoops; // n repeticiones. struct wavehdr_tag *lpNext; // si estan encolados. DWORD reserved; // otro tipo de control. } WAVEHDR;
Etructura WAVEFORMATEX
typedef struct { WORD wFormatTag; // tipo formato de audio. WORD nChannels; // monaural o estéreo. DWORD nSamplesPerSec; // relación muestreo. DWORD nAvgBytesPerSec; // relación Tx de datos. WORD nBlockAlign; // bloques dep. del tipo. WORD wBitsPerSample; // n bits por muestra. WORD cbSize; // información extra. } WAVEFORMATEX;
Banco de filtros
Dr. Maximino Peña Guerrero
Estructura de un filtro tipo FIR
Dr. Maximino Peña Guerrero
Estructura de un filtro tipo IIR
Dr. Maximino Peña Guerrero
Muestra de ruido 3
Dr. Maximino Peña Guerrero
CÁLCULO DE COEFICIENTES DE PREDICCIÓN LINEAL LPC
Dr. Max Peña Gro. 250309
Espectro LPC de ruido 3
Dr. Maximino Peña Guerrero
Transformada de Fourier en 2D de ruido 3
Dr. Maximino Peña Guerrero
Transformada de Fourier en 3D de ruido 3
Dr. Maximino Peña Guerrero
Espectros: 1000 Hz, ruido1-2-3
Dr. Maximino Peña Guerrero
Espectros 1000 Hz, ruido1-2-3
Dr. Maximino Peña Guerrero
Clasificador del ruido con redes neuronales
Dr. Maximino Peña Guerrero
Clasificador del ruido con redes neuronales
Dr. Maximino Peña Guerrero
CONCLUSIONES
Dr. Maximino Peña Guerrero
• Se utilizó un motor eléctrico para obtener el sonido característico cuando trabaja correctamente, y luego el sonido que produce cuando está dañado.
• El sistema compara los valores característicos de cada ruido y se comparan con una base de datos que corresponden a los sonidos BUENO, MALO, PELIGROSO, MANTENIMIENTO o EXTRAÑO.
• Es posible utilizar esta técnica con sistemas SCADA.
• Muchos procesos cambian su estado de operación automáticamente en tiempo real y se desearía conocer la causa.
• Nuestra contribución es mostrar una técnica alternativa en mantenimiento preventivo barato.