basados en MUSIC) muestran valores más altos cuando la gravedad de la falla es mayor. Estos parámetros corresponden a las entradas de la red neuron...

basados en MUSIC) muestran valores más altos cuando la gravedad de la falla es mayor. Estos parámetros corresponden a las entradas de la red neuronal artificial propuesta que se basa en una red neuronal retroalimentada con tres capas ocultas (10, 6 y 4 neuronas en cada capa oculta) y que utiliza el algoritmo de entrenamiento de propagación resiliente. Para entrenar la red neuronal, se utiliza el algoritmo de propagación resiliente para identificar una condición saludable en el motor de inducción o la presencia de barras rotas en el rotor. Para ello se capturan 38 señales reales bajo cada condición del motor analizado (sano, una barra rota, dos barras rotas) dando como resultado un total de 114 muestras. De las 38 pruebas obtenidas para cada caso de estudio, 19 fueron utilizadas para el entrenamiento de la red neuronal y 19 para la validación. Las entradas a la red neuronal corresponden a los 12 parámetros estadísticos y no estadísticos extraídos de los mapas tiempo-frecuencia de MUSIC y los objetivos utilizados para el entrenamiento son los tres casos de estudio (motor saludable, una barra de rotor rota, y dos barras de rotor rotas). Después del entrenamiento y la validación, los pesos y sesgos finales de cada capa neuronal se utilizan para implementar el diagnóstico automático propuesto. La red neuronal mostró una tasa de éxito del 100% para los casos de máquina sana y máquina con una barra rota, y un porcentaje del 84,2% para el caso de dos barras rotas. Se debe tomar en cuenta que, en esta última situación los casos de dos barras rotas no adyacentes se consideraron junto con los casos en los que las barras rotas eran adyacentes. Se ha demostrado que la ocurrencia de la falla en posiciones no adyacentes causa problemas en la determinación del nivel de falla (Riera-Guasp et al., 2010). A pesar de ello, la tasa de éxito obtenida fue muy satisfactoria para ese caso como lo muestran los resultados obtenidos.