Resumen

Los actuadores electromecánicos (EMAs) son cada vez más ampliamente utilizados como dispositivos de actuación en el sistema de control de vuelo de aeronaves y helicópteros. La fiabilidad de los EMAs es vital porque puede causar accidentes graves si ocurre un mal funcionamiento de los EMAs, por lo que es importante detectar y diagnosticar de manera oportuna la falla de los EMAs. Sin embargo, los EMAs a menudo funcionan en condiciones variables en un entorno realista, y las señales de vibración de los EMAs son no lineales y no estacionarias, lo que dificulta lograr una diagnosis de fallas de manera efectiva. En este artículo se propone un método de diagnosis de fallas de actuadores electromecánicos basado en la descomposición modal variacional (VMD), el análisis multifractal de fluctuación de tendencia descompuesta (MFDFA) y la red neuronal probabilística (PNN). Primero, las señales de vibración se descompusieron mediante VMD en una serie de funciones modales intrínsecas (IMFs). En segundo lugar,

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Actuadores electromecánicos; Diagnóstico de fallas; Descomposición modal variacional; Análisis multifractal de fluctuaciones desprendidas; Red neuronal probabilística; Señales de vibración
• Keywords:Electromechanical actuators; Fault diagnosis; Variational mode decomposition; Multifractal detrended fluctuation analysis; Probabilistic neural network; Vibration signals