de las principales limitaciones que se encuentran en algunos métodos. La propuesta puede encontrar una amplia aplicabilidad en esquemas en ...

de las principales limitaciones que se encuentran en algunos métodos. La propuesta puede encontrar una amplia aplicabilidad en esquemas en línea con la capacidad de detectar fallas incipientes. El método presentado se ha aplicado para detectar diferentes niveles de falla del rotor, pero también ha mostrado potencial para detectar la presencia de desalineaciones entre el motor y la carga accionada (a través de la amplificación del componente en f − fr). El método propuesto basa la detección de patrones mediante mapas tiempo-frecuencia, a través de un análisis MUSIC, STFT, o DWT de señales transitorias de flujo magnético de dispersión. La detección de dichos patrones, o firmas, seguidas por los componentes de falla durante la operación transitoria demuestra ser una forma confiable de detectar muchas fallas, brindando importantes ventajas frente a los métodos clásicos basados en la evaluación de frecuencias relacionadas con fallas en los análisis FFT de estacionarios. señales Esto se debe al hecho de que es muy poco probable que estos patrones característicos sean causados por otros fenómenos que no sean una falla, mientras que un componente de frecuencia en el espectro FFT puede verse amplificado por la falla, pero también por otros efectos relacionados con la operación de la máquina (fluctuaciones de carga). …) o características constructivas (conductos de refrigeración del rotor). Debido a estos hechos, los métodos convencionales basados en el análisis estacionario pueden conducir fácilmente a indicaciones falsas (positivas o negativas) al diagnosticar el estado de la máquina. El análisis MUSIC de tiempo corto utilizado en este trabajo de tesis permite conservar las características sobresalientes del pseudo-espectro MUSIC que mitiga los efectos del ruido y evidencia solo componentes de frecuencia más grandes con la ventaja de recuperar también información en el dominio del tiempo. La propuesta de evaluación de la condición que conduce a la identificación de fallas incipientes, como el desgaste uniforme en los dientes del engranaje muestra superioridad en comparación con trabajos similares relacionados donde se han analizado fallas discretas, es decir, dientes astillados o completamente rotos en un engranaje, ya que se lleva a cabo un análisis y diagnóstico automático de desgaste gradual. La reducción de características a través del LDA facilita la tarea de clasificación para la estructura clásica propuesta del clasificador basado en redes neuronales artificiales, de hecho, la relación de clasificación global lograda por el clasificador basado en redes neuronales artificiales es superior al 99,8% para el diagnóstico de desgaste gradual de dientes de engranes en cajas de cambios. Por lo tanto, los resultados de alto rendimiento demuestran la efectividad del método propuesto y hacen que el método propuesto sea adecuado para ser implementado como una herramienta de diagnóstico no invasiva que puede incorporarse en los programas de Mantenimiento Basado en la Condición para aplicaciones industriales. Debido al excelente desempeño mostrado por la metodología propuesta para identificar y caracterizar patrones de falla en mapas tiempo-frecuencia, fue posible aplicar y trasladar los conocimientos de la metodología propuesta para el diagnóstico de desgaste gradual de herramientas de corte en máquinas CNC. Esta posibilidad fue detectada debido a la revisión de literatura llevada a cabo, en la que se llegó a la conclusión que era indispensable contar con metodologías no invasivas para el diagnóstico de desgaste de herramientas en máquinas CNC, ya que métodos convencionales suelen invasivos al área de trabajo y maquinado, lo que en términos prácticos no es lo más óptimo. Por lo expuesto en renglones anteriores, en este trabajo de tesis se propone, por primera vez, una novedosa metodología no invasiva para la detección y diagnóstico del nivel de desgaste en herramientas de corte utilizadas en máquinas CNC mediante el análisis de las señales de flujo magnético de dispersión capturadas alrededor del motor del husillo de la máquina. Dado que los procesos de las máquinas CNC normalmente funcionan en condiciones de carga variable, se utiliza el DWT para el análisis, ya que esta herramienta matemática de descomposición tiempo-frecuencia tiene una respuesta adecuada a las señales variables en el tiempo. Al evaluar las amplitudes de γ DWT obtenidas para los casos de estudio de este trabajo, se puede observar que este índice presenta una clara tendencia a tomar valores más altos para herramientas de corte en mejores condiciones de salud según la profundidad de corte. Evidentemente, este hecho se atribuye a la naturaleza del indicador introducido ya que, a mayores magnitudes en la banda de frecuencias analizada (que abarca el armónico de alimentación), menor es el índice obtenido. Esta circunstancia está muy relacionada con el desgaste de la herramienta de corte ya que, como se ha observado en los resultados, la amplitud del armónico fundamental es mayor cuanto mayor es el desgaste de la herramienta de corte. Debido a los excelentes resultados obtenidos al aplicar la metodología propuesta para la caracterización del comportamiento dinámico de señales, especialmente para la caracterización de fallas en motores eléctricos de inducción, el presente trabajo abre la posibilidad a diversas áreas e investigación, como se enumera a continuación:  Empleo de la metodología propuesta para el diagnóstico automático de fallas en motores eléctricos con distintas características constructivas a las ya estudiadas aquí, como lo son motores eléctricos de imanes permanentes, motores eléctricos de reluctancia variable, motores eléctricos alimentados por corriente directa, máquinas eléctricas empleadas para la generación de energía eléctrica, entre otros tipos de máquinas.  Adaptación de la metodología para otro tipo de fallas, como lo son fallas en la jaula de rodamientos de bolas.  Adaptación de la metodología propuesta para combinar indicadores provenientes de diferentes magnitudes físicas relacionadas al motor bajo análisis, como lo son corrientes estatóricas de alimentación, termogramas, vibración, etc. Esto con el objetivo de distinguir el origen del fallo, como por ejemplo distinción entre problemas debidos a excentricidades, y problemas debidos a desalineamientos. Apéndice A. Relación de artículos publicados en revista JCR A.1. Artículo 1. Zamudio-Ramirez, I., Antonino-Daviu, J. A., Osornio-Rios, R. A., de Jesus Romero- Troncoso, R., & Razik, H. (2019). Detection of winding asymmetries in wound-rotor induction motors via transient analysis of the external magnetic field. IEEE Transactions on Industrial Electronics. Factor de impacto de revista (2022): 8.162 A.2. Artículo 2. Zamudio-Ramirez, I., Osornio-Rios, R. A., Trejo-Hernandez, M., Romero-Troncoso, R. D. J., & Antonino-Daviu, J. A. (2019). Smart-Sensors to Estimate Insulation Health in Induction Motors via Analysis of Stray Flux. Energies, 12(9), 1658. Factor de impacto de revista (2022): 3.252 A.3. Artículo 3. Zamudio-Ramírez I, Osornio-Ríos RA, Antonino-Daviu JA, Quijano-Lopez A. Smart-Sensor for the Automatic Detection of Electromechanical Faults in Induction Motors Based on the Transient Stray Flux Analysis. Sensors. 2020 Jan;20(5):1477. Factor de impacto de revista (2022): 3.847 A.4. Artículo 4. Zamudio-Ramirez I, Ramirez-Núñez JA, Antonino-Daviu J, Osornio-Rios RA, Quijano- Lopez A, Razik H, Romero-Troncoso RJ. Automatic diagnosis of electromechanical faults in induction motors based on the transient analysis of the stray flux via MUSIC methods. IEEE Transactions on Industry Applications. 2020 Apr 16. Factor de impacto de revista (2022): 4.079 A.5. Artículo 5. Zamudio-Ramirez, I., Antonino-Daviu, J. A., Trejo-Hernandez, M., & Osornio-Rios, R. A. A. (2020). Cutting Tool Wear Monitoring in CNC Machines Based in Spindle-Motor Stray Flux Signals. IEEE Transactions on Industrial Informatics. Factor de impacto de revista (2022): 11.648 A.6. Artículo 6. Zamudio-Ramirez, I., Osornio-Rios, R. A.