Resumen

La revolución de la Industria 4.0 está insistiendo fuertemente en el uso de procesos basados en aprendizaje automático y monitoreo de condiciones. En este documento, se hace hincapié en el enfoque basado en aprendizaje automático para el monitoreo de condiciones de desalineación de ejes. Este trabajo destaca el enfoque combinado de red neuronal artificial y máquina de vectores de soporte para la identificación y medición de la desalineación del eje. La medición de la desalineación requiere la extracción de más características bajo condiciones de carga variables. Por lo tanto, el objetivo principal es medir la desalineación con un número mínimo de características extraídas. Esto se logra mediante la normalización de la señal de vibración. Se prepara un montaje experimental para recolectar las señales de vibración requeridas. Las señales no estacionarias normalizadas en el dominio del tiempo se someten a una transformada wavelet discreta para la extracción de características. Las características extraídas, como el coeficiente detallado, se consideran para la selección

• Materias:Análisis estructural Ingeniería subterránea Capacidad de tráfico Descomposición del modo variacional Fallas para rodamientos
• Subjects:Structural analysis Underground engineering Traffic capacity Variational mode decomposition Failures for bearings
• Palabras claves:Aprendizaje automático; Monitoreo de condiciones; Desalineación de ejes; Red neuronal artificial; Máquina de vectores de soporte; Extracción de características
• Keywords:Machine learning; Condition monitoring; Shaft misalignment; Artificial neural network; Support vector machine; Feature extraction