Desarrollo de un sistema de diagnóstico de fallas en la dirección asistida eléctrica de automóviles

• Autor: Arias Copacondori, Luis Angel
• Formato: tesis de maestría
• Fecha de Publicación: 2017
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/9640
• Enlace del recurso: http://hdl.handle.net/20.500.12404/9640
• Nivel de acceso: acceso abierto
• Materia: Fallas estructurales--Análisis; Automóviles--Mecanismos de dirección; https://purl.org/pe-repo/ocde/ford#2.02.03

Actualmente el índice de tránsito vehicular del parque automotor está creciendo sustancialmente y con ello también los altos índices de accidentes de tránsito. Si bien muchos de dichos accidentes se deben a factores humanos, es importante considerar que estos vehículos están propensos a fallas en sus sistemas debido a múltiples factores como son, la falta de mantenimiento, el corto tiempo de vida de los elementos del sistema vehicular, el uso continuo, las condiciones de las carreteras, etc. Es por ello que la detección oportuna de estas fallas permitirá reducir drásticamente pérdidas de vidas humanas, costosos gastos de recambio de piezas y sistemas, daños al medio ambiente a causa de malos funcionamientos, etc. Un elemento crítico de los vehículos actuales es el del sistema de dirección asistida que permite reducir el esfuerzo del conductor para maniobras de orientación del vehículo reduciendo los impactos en el volante y garantizando una adecuada estabilidad del vehículo. En esta tesis se aborda el diseño de un sistema de diagnóstico de fallas para el sistema de dirección asistida de un vehículo de categoría M1 (categorizado por el Ministerio de Transportes) con el objetivo de diagnosticar las fallas más relevantes de este sistema. El desarrollo de la tesis, se inicia con un estudio del modelamiento matemático del sistema de dirección asistido eléctrico (EPS por sus siglas en inglés). Posteriormente, se diseña el sistema de diagnóstico basado en 2 etapas. La primera es la detección de fallas, la cual está basada en la generación de Relaciones de Redundancia Analítica. Como segunda etapa, se diseña el sistema de diagnóstico de fallas utilizando Redes Neuronales Artificiales a fin de poder reconocer los tipos de fallas de manera más robusta ante las perturbaciones. Las pruebas de validación del sistema de diagnóstico se realizan utilizando los software de ingeniería Matlab y Carsim. Con estas pruebas se valida el adecuado funcionamiento del sistema de diagnóstico de fallas propuesto en un vehículo de categoría M1. Finalmente se propone un sistema para implementación en un vehículo real utilizando la plataforma Arduino.