La Figura 50 muestra los resultados obtenidos al seguir la metodología propuesta para la identificación del estado del motor de inducción. Se ejecu...

La Figura 50 muestra los resultados obtenidos al seguir la metodología propuesta para la identificación del estado del motor de inducción. Se ejecutaron un total de 32 pruebas consecutivas para cada caso de estudio en condiciones reales de operación de la máquina con el fin de mostrar la efectividad de su clasificación y sus capacidades para generar un diagnóstico oportuno en línea. Los resultados incluyen la identificación de una condición saludable, desalineación leve y la combinación de una y dos barras de rotor rotas con una desalineación leve. En este sentido, la Figura 50a muestra las regiones de decisión resultantes modeladas por el clasificador basado en la red neuronal artificial propuesto sobre el espacio bidimensional. Por su parte, la Figura 50b muestra los rendimientos de clasificación resultantes alcanzados durante el entrenamiento y la prueba del clasificador. Las clasificaciones correctas se encuentran en la diagonal de la matriz de confusión mostrada en la Figura 50b. A través de la metodología propuesta es posible clasificar correctamente los diferentes niveles de desgaste aquí estudiados con una efectividad superior al 81,3% (cuando el motor se encontraba trabajando bajo una falla incipiente de una barra rota), teniendo una efectividad del 96.9% para cuando el motor se encuentra operando bajo óptimas condiciones (motor sano). La efectividad, por estado de condición del motor analizado, se obtiene a través del cálculo del índice de tasa de detección de fallas (FDR por su abreviatura en inglés, Fault Detection Rate) al dividir el número de clasificaciones correctas entre el número total de muestras (32 muestras totales por estado de condición). Clase objetivo C