Un análisis no intrusivo de condiciones anómalas en motores trifásicos mediante señales de corriente y técnicas de Inteligencia Artificial

Resumen

Los motores trifásicos de inducción constituyen un elemento central en numerosos procesos industriales.  Este trabajo propone un enfoque de diagnóstico de fallos no invasivo para motores trifásicos de inducción que utiliza exclusivamente señales de corriente por fase. Se evalúan dos estrategias de Inteligencia Artificial: (i) un método basado en descriptores estadísticos y frecuenciales combinado con un clasificador Random Forest, y (ii) una Red Neuronal Convolucional con Autoencoder (AE+CNN), que modela el comportamiento saludable del motor y detecta desviaciones mediante errores de reconstrucción. El procedimiento de detección de fallos contempla la transformación y segmentación de las señales trifásicas, el análisis de características temporales y frecuenciales, el entrenamiento y validación de ambos modelos, así como la evaluación de su robustez ante distintas condiciones operativas. Los experimentos se desarrollan utilizando datos reales de una planta piloto con dos bombas centrífugas accionadas por motores de inducción y variadores de velocidad. Los resultados permiten valorar la eficacia comparativa de ambos enfoques y su potencial para una implementación práctica, económica y escalable en entornos industriales.