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.