Detección y diagnóstico de fallas utilizando la transformada Wavelet

Abstract

En este trabajo se propone un método basado en el uso de la Transformada Wavelet para detectar y diagnosticar fallas que se puedan presentar en la instrumentación de un proceso químico, concretamente fallas en los actuadores de las válvulas y en los transmisores. Los procesos pueden presentar comportamientos no deseados en su régimen de operación debido a posibles desajustes en los actuadores de las válvulas y sensores del sistema. Las señales producidas por estos desajustes poseen características no estacionarias, por lo tanto, pueden ser estudiadas de forma satisfactoria a través de un análisis con la Transformada Wavelet (TW), ya que una de las ventajas de dicha transformada es su capacidad para analizar fenómenos no estacionarios y proporcionar información del momento en que ocurre determinado cambio de frecuencia. En este trabajo, se presenta un esquema para la detección y el diagnóstico de fallas basado en el análisis de la señal de salida del transmisor utilizando para este fin un análisis de la señal de falla (salida del transmisor) en el dominio wavelet. Tanto la detección, como el diagnóstico de la falla se realizan en el mencionado dominio. Para diferenciar una falla de válvula de una falla de transmisor, se realiza primero una descomposición de la señal (falla) a través de la Transformada Discreta Wavelet (TDW), luego se extraen las características más resaltantes de la señal, para poder definir patrones que caractericen y distingan cada falla. Finalmente, se mide la diferencia entre las fallas utilizando técnicas de reconocimiento de patrones, en este caso Distancia Euc1ideana y Distancia entre vecinos más cercanos (K-Nearest Neighbor) que permiten clasificar las fallas. El método propuesto es aplicado a un proceso químico. Los valores de las desviaciones bajo los cuales se simularon las posibles fallas fueron desde 7.5% hasta 17.5%, igualmente para las perturbaciones se consideraron perturbaciones desde 10% hasta el 17.5%.