Identificación de daño incipiente en un sistema rotor mediante la medición de vibraciones torsionales

Abstract

Bajo el concepto de Monitoreo de Salud Estructural , que permite conocer el estado de salud actual de un equipo mediante el uso de sensores en línea, se propone desarrollar un estudio enfocado a detectar daño incipiente en los álabes de una turbina de laboratorio, a partir del análisis de vibraciones torsionales en el eje del sistema rotor. El objetivo general consiste en identificar experimentalmente los parámetros que permitan detectar daño incipiente en un modelo de laboratorio de un sistema rotor. Los objetivos específicos abarcan la utilización de diversas técnicas de tratamiento de señales y extracción de parámetros, el estudio de estos en los dominios de tiempo y frecuencia bajo diversos niveles de daño en el sistema, y la selección de un set de parámetros que permitan detectar daño incipiente. La metodología se desarrolla en cuatro etapas: Puesta a punto del montaje, mediciones experimentales, análisis y procesamiento de señales, y selección de parámetros. Se efectúa una etapa inicial de toma de datos para dos casos: Caso base (o sano) con el sistema operando a la perfección, y un caso extremo (o con daño máximo), funcionando en ausencia de un álabe. Se extraen 100 parámetros para cada caso y se comparan de forma gráfica. Se realiza este análisis tanto para vibraciones torsionales, como transversales, medidas por un acelerómetro. Los resultados obtenidos de la primera etapa muestran 40 parámetros, calculados sobre las vibraciones torsionales, que presentaron mayores variaciones entre el caso base y extremo, y 6 parámetros que presentaron mayores variaciones para las vibraciones transversales. Estos parámetros sirvieron de referencia para ser proyectados a una segunda etapa de toma de mediciones. En dicha etapa posterior, se estudian las vibraciones del sistema rotor, esta vez trabajando con un álabe expuesto a una grieta. Se prueban 6 álabes con distintas grietas realizando el mismo procedimiento de la etapa anterior. Finalmente se entrena un clasificador Máquina de vectores de soporte , el cual, en conjunto con el método Selección secuencial hacia adelante , selecciona el set de parámetros que permite identificar de mejor manera la presencia de grietas en el sistema. Los resultados finales muestran un conjunto de 13 parámetros calculados sobre las vibraciones torsionales que permiten identificar la mayor parte de las grietas estudiadas. Por otra parte, se realiza el mismo estudio para las vibraciones transversales, concluyendo que estas no son capaces de identificar grietas con suficiente exactitud.