Resumen

Se propone un método basado en wavelet y red neuronal profunda para el agrupamiento automático de datos de fallas en rodamientos de elementos rodantes. El método puede lograr una clasificación inteligente de señales sin conocimiento humano. Las señales de vibración en el dominio del tiempo se descomponen mediante la transformada de paquetes de wavelet (WPT) para obtener autovectores que caracterizan los tipos de fallas. Utilizando los autovectores, se configura un conjunto de datos en el que las muestras están etiquetadas de forma aleatoria. El conjunto de datos se clasifica aproximadamente mediante el método de agrupamiento basado en la distancia. A continuación, se sigue un proceso de clasificación fina basado en una red neuronal profunda para lograr una clasificación precisa. Todo el proceso se completa automáticamente, lo que puede superar efectivamente las deficiencias como la baja eficiencia laboral, el alto costo de implementación y el gran error de clasificación causado por la participación individual. El método propuesto se prueba con los datos de rodamientos proporcionados por el Centro de Datos de Rodamientos de la

• Materias:Matriz acústica Ingeniería subterránea Vibración longitudinal Transmisión dinámica Fallas de rodamientos
• Subjects:Acoustic array Underground engineering Longitudinal vibration Dynamic transmission Bearing failures
• Palabras claves:Wavelet; Red profunda neuronal; Agrupamiento; Datos de falla; Clasificación; Señales de vibración
• Keywords:Wavelet; Deep neural network; Clustering; Fault data; Classification; Vibration signals