Un conjunto de datos de engranajes en malla dinámica para la inspección de calidad en la fabricación de reductores de vehículos eléctricos

Por qué los engranajes silenciosos importan en los coches eléctricos

A medida que los coches eléctricos se vuelven más comunes, el suave zumbido que se escucha en el habitáculo está cada vez más determinado no por un motor de combustión, sino por los engranajes que conectan el motor con las ruedas. Pequeños defectos en los dientes de esos engranajes pueden convertirse en quejidos o vibraciones molestas, perjudicando el confort y aumentando costes para los fabricantes. Este estudio presenta un nuevo conjunto de datos de comportamiento real de reductores de vehículos eléctricos en funcionamiento, proporcionando a ingenieros y científicos de datos el material bruto necesario para desarrollar controles de calidad más rápidos y precisos que mantengan los coches eléctricos silenciosos.

De la inspección lenta a la escucha rápida

Hoy en día, muchos fabricantes inspeccionan los engranajes escaneando cuidadosamente la superficie de cada diente y utilizando una herramienta matemática llamada análisis de Fourier para buscar ondulaciones indeseadas. Aunque es preciso, este método es terriblemente lento: comprobar un solo engranaje puede llevar cerca de una hora, lo que hace imposible revisar cada pieza en una línea de producción de alto volumen. Aun peor, un engranaje que parece aceptable bajo esta prueba estática puede comportarse mal una vez instalado y girando a alta velocidad, produciendo ruidos severos y reparaciones costosas después de que el coche esté montado.

Una nueva forma de evaluar engranajes en movimiento

Los autores proponen un enfoque más práctico: en lugar de limitarse a examinar la superficie del diente, miden directamente cómo se comporta un par de engranajes mientras están en malla bajo velocidad y carga cambiantes, mucho más cercano a la conducción real. Construyeron un banco de ensayo con un motor de accionamiento, un motor de carga y un sensor de vibración sensible colocado cerca del eje. Cada par de engranajes se somete a aceleraciones y deceleraciones controladas desde velocidades similares a ralentí hasta varios miles de revoluciones por minuto, mientras se registran con detalle las señales de vibración y de velocidad. Posteriormente, esos mismos engranajes pasan por mediciones de superficie de alta precisión y por pruebas de fin de línea en el fabricante del vehículo, que se usan para etiquetar cada engranaje como sano o como perteneciente a un tipo específico de problema.

Qué diferencia a este conjunto de datos

El recurso resultante, llamado Conjunto de Datos de Transmisión en Malla Dinámica (DMTD, por sus siglas en inglés), se centra en cinco estados de engranaje realistas que surgen en producción: engranajes sanos; engranajes con sutiles ondulaciones periódicas que provocan un característico quejido; engranajes con pequeños bultos que producen un sonido de tictac; y engranajes que muestran signos de rectificado deficiente y daño de superficie. A diferencia de conjuntos de datos anteriores creados en laboratorios —donde los dientes se rajaban, astillaban o desgastaban deliberadamente bajo condiciones de operación simples— estos datos proceden de líneas de fabricación reales, con toda su variación en máquinas, lotes y ajustes de control. Las pruebas cubren velocidades desde aproximadamente 100 hasta 2.450 revoluciones por minuto e incluyen tanto aceleraciones como desaceleraciones, capturando cómo cambia el comportamiento del ruido a lo largo del rango de conducción.

Convertir ruido bruto en patrones claros

Porque estas señales de vibración cambian con la velocidad, el equipo las procesa en una vista por “orden” que alinea los datos con la frecuencia de malla de los dientes, en lugar de hacerlo solo con el tiempo. En esta vista, cada tipo de engranaje muestra un patrón distintivo: los engranajes sanos tienen firmas limpias y regulares; los pequeños bultos añaden picos de impacto repetitivos; y los tipos que producen el quejido revelan picos fuertes en múltiplos específicos de la frecuencia de malla, coincidiendo con los tonos que los conductores percibirían como un quejido. Los engranajes con rectificado deficiente destacan por una vibración global mucho más intensa y una banda de falla marcadamente pronunciada. Usando estas señales procesadas, los investigadores entrenaron una red neuronal convolucional unidimensional—un modelo moderno de reconocimiento de patrones—que pudo distinguir con fiabilidad los cinco estados. Al comparar el rendimiento con tres conjuntos de datos de laboratorio ampliamente usados, el nuevo DMTD ofreció al menos una clasificación tan buena, y a menudo mejor, a pesar de ser más complejo y más cercano a condiciones reales.

Cómo ayuda esto a los futuros coches eléctricos

DMTD es más que una colección de señales; es un referente que permite a los investigadores probar nuevos algoritmos para la inspección de calidad de engranajes y la predicción de ruido bajo condiciones que reflejan la práctica real de fábrica. Al capturar cómo las pequeñas imperfecciones de fabricación se traducen directamente en vibración y sonido, este conjunto de datos puede orientar mejoras tanto en la fabricación de engranajes como en el diagnóstico automático de fallos. En términos prácticos, eso significa ayudar a los fabricantes de automóviles a detectar engranajes problemáticos en alrededor de un minuto en lugar de una hora, reducir problemas de ruido costosos antes de que los coches salgan de la planta y entregar vehículos eléctricos más silenciosos y cómodos a los conductores.

Cita: Guo, D., Yang, J., Li, H. et al. A dynamic meshing transmission dataset for manufacturing quality inspection of electric vehicle reducer gears. Sci Data 13, 510 (2026). https://doi.org/10.1038/s41597-026-06885-1

Palabras clave: engranajes de vehículos eléctricos, datos de vibración, ruido de engranajes, calidad de fabricación, diagnóstico de fallos