Identificación del desalineamiento de ejes en un banco de pruebas mediante algoritmos de inteligencia artificial

Abstract

El desalineamiento angular en ejes rotativos representa una condición de falla relevante debido a que modifica la transmisión del movimiento, altera la respuesta dinámica del sistema y genera variaciones medibles en las señales asociadas a su operación. Su detección resulta importante dentro del mantenimiento predictivo, ya que permite reconocer cambios en el comportamiento del equipo antes de que se produzcan daños mayores en rodamientos, acoplamientos o elementos de soporte. En esta investigación se desarrolla una metodología experimental y computacional para la identificación automática de niveles de desalineamiento angular en ejes rotativos. Para ello, se diseñó y construyó un módulo de pruebas capaz de reproducir condiciones controladas de falla, considerando incrementos angulares de 1° en 1°. Durante los ensayos, las señales fueron adquiridas mediante un sensor electromagnético de posición de cigüeñal CKP, obteniéndose una base de datos experimental representativa del comportamiento del sistema. Posteriormente, las señales registradas fueron segmentadas, procesadas y organizadas para extraer características relevantes asociadas al fenómeno estudiado. Con esta información se implementaron algoritmos de aprendizaje automático orientados al reconocimiento de patrones. Finalmente, los modelos fueron evaluados con datos experimentales y datos reales de referencia, evidenciando el potencial de la metodología propuesta para el diagnóstico automático de desalineamiento.