Nº 163

un enfoque de detección...
de enfoques basados en datos, en (Wuming y otros, 2010)
se usaron señales de aceleración de cabina para entrenar
una red neuronal artificial para clasificar varias fallas en
la máquina. En (Flores y otros, 2008), señales actuales
fueron procesadas mediante el análisis de firma actual de
la máquina para detectar fallas en la misma. Con relación
a los enfoques basados en la física, estos fueron usados
para monitorear cables de acero midiendo su resistencia
eléctrica (Stucky y otros, 2013) o para controlar en forma
adaptativa las vibraciones (Nai y otros, 1994). La estrategia
de control adaptativo propuesta es usada para controlar la
vibración vertical de la cabina. Esta estrategia de control
está basada en un modelo que representa las dinámicas
verticales del ascensor y un algoritmo de filtro Kalma (KF)
como un observador. La máquina actual y las señales del
encoder son empleadas como observaciones y el algoritmo
KF calcula la velocidad vertical de la cabina.
En este trabajo el sistema electromecánico estudiado
es un ascensor con cables 1:1 (Janovsky, 1999) en el
que los enfoques de observación basados en la física
se aplicarán para monitorear su estado. Estos enfoques
tienen el potencial para monitorear la instalación con
señales ya existentes. Además, mediante el uso de señales
existentes y parámetros de estimación del sistema,
otras cantidades físicas que no pueden ser directamente
mensuradas pueden ser observadas. Esto también es
conocido como estrategia de detección virtual basado
en la física. (Seren y otros, 2015), donde las estimaciones
basadas en observadores (por ejemplo KF, EKF) son los
sensores virtuales.
El desarrollo de nuevos métodos dedicados al monitoreo
del estado del ascensor necesita una validación antes
de su instalación en un ascensor real. Con el objeto de
reducir el esfuerzo de realizar pruebas y facilitando la
validación de nuevos métodos, se diseñó un banco de
prueba a IK4-Ikerlan con la capacidad de emular todas
las dimensiones del ascensor cableado 1:1 (Esteban y
otros, 2017). Este banco de prueba se usará en el ámbito
de este trabajo para probar la metodología y analizar
la evolución de algunos indicadores, en particular para
monitorear el estado del sistema de guías, al ser uno de
los principales componentes que afectan la calidad de la
marcha en los sistemas de transporte vertical y debido a
la dificultad de evaluar su estado.
2. Metodología
virtual dependen de modelos precisos y de algoritmos de
estimación de estado, siendo el Kalman Filter (KF) el
más ampliamente utilizado. A pesar de que el KF es el
filtro de estimación lineal óptimo, está limitado a sistemas
lineales. El Kalman Filter Extendido (EKF) usa un modelo
no lineal definido en forma espacial como muestra
la siguiente ecuación (1)
ẋ = ƒ(x,u,t) + wy = h(x,u,t) + v (1)
En la derivación estocástica* Bayesiana ** del EKF, tanto
el proceso como las ecuaciones de medición se supone que
están perturbados por ruido gaussiano blanco de media
cero (w y v en la ecuación (1)) de covariancia Q y R respectivamente.
De manera similar, el estado del sistema x se
supone que son variables gaussianas, con una covariancia
P. En cada paso, el EKF linealiza el modelo alrededor
del punto de estimación, propagando una aproximación
lineal de la covarianza. El modelo linealizado está aún
más discretizado asumiendo una retención de orden cero
para la entrada (u) e integración continua de ruido de
medición (v).
Un observador es un algoritmo que ofrece un estimado
de estados inmensurables y parámetros de un sistema
dinámico (Figura 1). Un observador clásico requiere un
modelo de proceso y un modelo de salida. El modelo de
proceso describe las dinámicas del sistema, mientras que
el modelo de salida describe la relación entre los estados
internos y las salidas.
Entradas
Planta
Modelo del sistema
(modelo del proceso
y modelo de salida)
Salidas
Error
Observador
estimaciones de
observaciones
ganancia
corrección del modelo
Revista del Ascensor
18
Un sensor virtual es una medida estimada de una variable
desconocida del sistema que no está siendo medida
directamente con un sensor físico, pero la cual se deriva,
en su lugar, de estados estimados y parámetros. Éste
substituye un sensor físico cuya instalación no es factible,
tanto porque no hay un sensor adecuado para ello como
porque es muy costoso. Los sensores físicos con base
Figura 1: Diagrama de block de un observador.
estimados de estados y parámetros
*El término estocástico se aplica a procesos, algoritmos y modelos en los que existe una secuencia cambiante de
eventos analizables probabilísticamente a medida que pasa el tiempo. N. del T.
**La inferencia bayesiana es un tipo de inferencia estadística en la que las evidencias u observaciones se
emplean para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta. El nombre «bayesiana»
proviene del uso frecuente que se hace del teorema de Bayes durante el proceso de inferencia. N. del T.