En este artículo, aprenderá cómo la nueva tecnología de componentes de ancho de banda medio de Analog Devices, junto con el software de simulación LTspice®, puede ayudar a analizar grandes cantidades de datos de los sistemas de monitoreo basados en la condición.
El avance de la tecnología digital no muestra signos de desaceleración e impregna todos los ámbitos de nuestra vida. Dotar de inteligencia a las máquinas está lejos de ser una distopía orwelliana; por el contrario, produce mejoras de eficiencia en la automatización de las fábricas, ya que los bucles de retroalimentación automatizados pueden reducir el tiempo de mantenimiento directo. Sin embargo, sin las herramientas y el software adecuados, puede ser difícil visualizar y comprender los datos subyacentes, lo que dificulta la toma de decisiones. En este artículo, aprenderá cómo la nueva tecnología de componentes de ancho de banda medio de Analog Devices, junto con el software de simulación LTspice®, puede ayudar a analizar grandes cantidades de datos de los sistemas de monitoreo basados en la condición.
La Industria 4.0 describe el concepto de llevar las ventajas de los datos masivos a la planta de producción. Las máquinas equipadas con sensores pueden supervisar su propio rendimiento y comunicarse entre sí, lo que les permite compartir la carga de trabajo global al tiempo que proporcionan información de diagnóstico importante a la unidad administrativa, ya sea en el mismo edificio o en otro continente.
En un estudio rápido de la oferta de productos de Analog Devices, se muestra que ADI tiene un fuerte compromiso con la provisión de soluciones para el Internet industrial de las cosas (IIOT), en particular, mediante la oferta componentes de la cadena de señales sólidos y de alto rendimiento, desde el sensor hasta la nube.
Uno de estos ámbitos de la automatización industrial es el del monitoreo basado en condiciones (CbM), en el que las características nominales de funcionamiento de una máquina se calibran con cuidado, y, luego, la propia maquinaria se supervisa de cerca con sensores locales. Las condiciones que se desvían de la señal nominal indican que la máquina necesita mantenimiento. De este modo, las máquinas equipadas con sistemas de monitoreo basados en la condición pueden repararse cuando de verdad lo necesitan, en lugar de hacerlo como parte de un programa de mantenimiento relativamente arbitrario.
La forma más importante de determinar el estado de salud de un motor es examinar su patrón de vibración. La tecnología de sistemas microelectromecánicos (MEMS) de Analog Devices permite monitorear de forma continua el patrón de vibración de un motor, lo que revela la salud del motor cuando se compara su patrón con el de un motor conocido sin fallas. De hecho, cada falla del motor tiene su propio patrón armónico único. Si se observa el contenido armónico del patrón de vibración, se pueden detectar fallas en los cojinetes, en las pistas rodamiento internas y externas, e, incluso, en los dientes de la caja de cambios.
Análisis de datos de vibración en LTspice
Para producir datos para el análisis de Fourier en LTspice, se conectaron tres acelerómetros ADXL1002 a un motor, como se muestra en la figura 1, para medir la vibración en las direcciones lateral, vertical y de delante hacia atrás, X, Y y Z, respectivamente.
Figura 1. Los canales X, Y y Z midieron la vibración en las direcciones laterales, verticales y de delante hacia atrás, respectivamente.
Los datos de las vibraciones se descargaron y guardaron en una hoja de cálculo de Microsoft Excel. Los datos se muestrearon a 500 kSPS, por lo que un segundo de datos de vibración dio lugar a tres columnas de datos de Microsoft Excel, cada una de ellas de 500 000 líneas. En la figura 2, se presenta una muestra de los datos X, Y y Z.
Figura 2. Un extracto de los datos X, Y y Z
Ahora se puede examinar el contenido armónico de estos datos para determinar el estado de salud del motor. El análisis de Fourier es el proceso matemático que consiste en extraer el contenido de frecuencia de los componentes de una forma de onda. El contenido espectral de una onda sinusoidal pura consta de una sola frecuencia, llamada “fundamental”. Si la onda sinusoidal se distorsiona, aparecen otras frecuencias aparte de la fundamental. Si se analiza el contenido de frecuencia del patrón de vibración del motor, se puede determinar un diagnóstico preciso de su estado de salud.
El hardware y el software capaces de realizar el análisis de Fourier pueden ser costosos, por lo que aquí mostramos un método para realizar el análisis de Fourier en los datos del MEMS que es, en esencia, gratuito.
LTspice es un simulador de circuitos potente y gratuito que tiene la capacidad de trazar el contenido de frecuencia de cualquier forma de onda mediante el análisis de Fourier, lo que incluye los datos de vibración obtenidos del sensor del MEMS en un sistema de monitoreo basado en la condición.
LTspice puede producir un gráfico con el análisis de Fourier cuando los datos están en el formato que se muestra en la figura 3, donde cada punto de datos de vibración está emparejado con su marca de tiempo correspondiente.
Figura 3. Formato de las instancias de tiempo y tensión
Es muy sencillo adaptar los datos a este formato con Microsoft Excel. Este es el procedimiento para hacerlo.
En primer lugar, separe las columnas de datos de la figura 2 en tres hojas de cálculo dentro del archivo Excel denominadas X, Y y Z, como se muestra en la figura 4.
Figura 4. Se crearon tres hojas de cálculo y se copiaron los datos X, Y y Z en sus respectivas hojas.
Inserte una columna a la izquierda de los datos: esta columna es para la marca de tiempo de cada valor de los datos.
Dado que se tomaron 500 000 muestras de datos en un lapso de tiempo de un segundo, cada punto de datos se tomó con un intervalo de 2 µs. Por lo tanto, en la primera celda de la nueva columna, introduzca
2E–6
que representa la primera marca de tiempo a 2 µs.
La forma más fácil de completar el resto de la columna de marcas de tiempo es usar la función Serie. En el cuadro de búsqueda de Microsoft Excel, escriba “Serie” para que aparezcan las opciones del menú que se muestran en la figura 5.
Desde aquí, elija Serie o trama de relleno, y, luego, Series… en el menú desplegable.
Figura 5. Cómo rellenar muchas celdas en Microsoft Excel
Aparece el cuadro de diálogo que se muestra en la figura 6, con los botones de opción Columnas y Lineal seleccionados. Introduzca un Incremento de 2E–6 y un Límite de 1.
Figura 6. Complete las celdas con un conjunto de datos de expansión lineal.
Haga clic en Aceptar para rellenar las marcas de tiempo de los datos de la columna izquierda, con un incremento de 2 µs a 1 segundo. Lo mismo puede lograrse si rellena los primeros valores y, luego, arrastra el cursor a la celda inferior al final del rango de datos. Pero, con 500 000 líneas de datos, esto sería un arrastre largo.
Los datos están ahora en un formato listo para que LTspice los procese, como se muestra en la figura 7.
Figura 7. Columnas que muestran la marca de tiempo y la muestra de datos correspondiente
Si el conjunto de datos es grande y el intervalo de muestreo es bajo, es posible que Microsoft Excel redondee las marcas de tiempo a un número inadecuado de decimales. Si este es el caso, resalte la primera columna y, luego, seleccione Formato > Formato de celdas, como se muestra en la figura 8.
Figura 8. Actualice el formato de las celdas para eliminar los errores de redondeo.
Seleccione el número adecuado de decimales, como se muestra en la figura 9.
Figura 9. Aumento de la resolución de la marca de tiempo a cinco decimales
Una vez que la columna de la marca de tiempo esté llena y los dígitos significativos estén expandidos, copie ambas columnas de cada hoja en su propio Bloc de notas u otro archivo de editor de texto, como se muestra en la figura 10.
Figura 10. Archivo de texto que contiene datos de tiempo y de vibración
Debería tener tres archivos de texto que contengan los datos de vibración para los ejes X, Y y Z en el sistema de monitoreo basado en la condición.
Estos datos pueden leerse ahora directamente en LTspice.
Construya un esquema en LTspice, como se muestra en la figura 11. En este diseño, hay seis fuentes de tensión que corresponden a datos de fallo y sin fallo para los ejes X, Y y Z. Esto permite realizar un análisis de Fourier de los datos de vibración de un motor nuevo para poder compararlos con el análisis de Fourier de los datos de un motor presuntamente defectuoso. Una gran ventaja de este método es que el gráfico de frecuencias de un motor nuevo (no defectuoso) puede superponerse al de un motor supuestamente defectuoso, por lo que puede verse la diferencia de rendimiento.
Figura 11. Esquema de LTspice que muestra las salidas de tensión para los datos de vibración defectuosos y no defectuosos
El comando de LTspice
.options plotwinsize=0 numdgt=15
elimina la compresión predeterminada en LTspice y, a veces, produce resultados más claros. La simulación se ejecutará más rápido si se omite esta línea, pero puede producir resultados menos precisos.
Una vez que se haya completado el esquema, haga clic con el botón derecho del mouse en cada fuente de tensión, seleccione el botón Advanced (Opciones avanzadas) y el botón de opción PWL File (Archivo PWL) y, a continuación, introduzca el nombre del archivo de texto adecuado que contiene los datos de vibración, como se muestra en la figura 12. Esto crea una fuente de tensión lineal a trozos que consiste en una serie de tensiones y sus correspondientes instancias de tiempo. Su vida será más fácil si estos archivos de texto se almacenan en el mismo directorio que el archivo LTspice.
Figura 12. Creación de una fuente de tensión lineal a trozos a partir de los datos de vibración
A continuación, el análisis transitorio debe configurarse para que se ejecute durante la duración de la prueba de vibración original mediante el comando
.tran
Ejecute la simulación. La simulación puede tardar algún tiempo en completarse según los puntos de datos y la duración del análisis transitorio.
Los resultados de la simulación de los motores defectuosos y no defectuosos se muestran en la figura 13. El experimento se llevó a cabo en un motor que giraba a 587.3 rpm con una falla en el cojinete con la pista exterior desalineada y con una carga de 12 libras. Los gráficos también muestran el patrón de vibración de un motor sin fallas que gira a la misma velocidad. Está claro que el motor defectuoso tiene una amplitud mucho mayor en la firma de vibración en comparación con el motor no defectuoso.
Figura 13. Resultados en el dominio del tiempo de los datos de vibración de un motor defectuoso y otro no defectuoso
Con la ventana de Waveform (Forma de onda) resaltada, seleccione View (Ver) > FFT en la barra de menú. Esto calculará la FFT según los datos transitorios.
Si se observan los datos de la figura 2, las cifras muestran una pequeña variación en torno a un gran desplazamiento de alrededor de 35 000. Cuando se simula en LTspice, esto se traduce en una tensión de desplazamiento de CC de 35 000 V con una forma de onda de CA sobre este desplazamiento.
En el gráfico de Fourier, esta tensión de desplazamiento se manifiesta como un gran espurio en CC, por lo que, cuando LTspice autoescala el eje Y, los armónicos de interés se escalan demasiado pequeños. Haga clic con el botón derecho del mouse en el eje X para especificar un rango de frecuencias por encima de CC, de modo que se ignore la tensión de desplazamiento de CC; un rango de 5 Hz a 1 kHz debería ser suficiente.
Haga clic con el botón derecho del mouse en el eje Y y seleccione el botón de opción Linear (Lineal) para ver los armónicos, como se muestra en la figura 14.
Figura 14. El gráfico de Fourier con el espurio de CC eliminado y mostrado en una escala lineal
Si hace clic con el botón derecho del mouse dentro del área de gráficos, se pueden agregar paneles de gráficos adicionales, lo que permite separar el contenido espectral de la vibración en gráficos X, Y y Z, como se muestra en la figura 15.
Figura 15. Los gráficos de vibración X, Y y Z están separados.
Conclusión
La gama de acelerómetros de MEMS de Analog Devices proporciona datos críticos para permitir la detección temprana de fallas en el motor, pero eso es solo la mitad de la solución. Los datos deben estudiarse con atención mediante el análisis de Fourier. Por desgracia, los equipos o software capaces de realizar el análisis de Fourier suelen ser costosos. LTspice ofrece una vía gratuita para analizar con precisión los datos de CbM, lo que permite detectar y diagnosticar con antelación las fallas de las máquinas.