Resumen

Con el objetivo de resolver el problema de la baja eficiencia y precisión del diagnóstico, debido al ruido y a la interferencia entre varios fallos cuando se diagnostican fallos compuestos de rodamientos en condiciones de trabajo reales, se propone un método de diagnóstico de fallos compuestos de rodamientos basado en la entropía de energía espectral autorregresiva (AR) de paquetes de ondas optimizados y en una red neuronal de propagación de mapa de retroceso autoorganizada con optimización de enjambre de partículas sin términos de velocidad adaptativa (ANVTPSO-SOM-BPNN). La característica de entropía de energía se extrae de la señal de vibración del rodamiento mediante el espectro AR de paquetes de ondas, y SOM y BPNN se combinan para formar una red en serie. Para PSO, el término de velocidad se descarta y el peso de inercia y el factor de aprendizaje se ajustan de forma adaptativa. Por último, se realiza el diagnóstico de fusión de pruebas Dempster-Shafer (D-S). Para acercarse más a las condiciones de la aplicación, los datos se recogen cerca y lejos del punto de fallo para el diagnóstico de fallo compuesto, lo que verifica la eficacia del método propuesto.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:método compuesto de diagnóstico de averías, optimización de enjambre de partículas de término de velocidad, espectro wavelet packet ar, condiciones reales de trabajo, diagnóstico compuesto de averías, característica de entropía de energía, diagnóstico de fusión de pruebas, baja eficacia de diagnóstico, mapa autoorganizado, entropía espectral de energía
• Keywords:composite fault diagnosis method, velocity term particle swarm optimization, wavelet packet ar spectrum, actual working conditions, composite fault diagnosis, energy entropy feature, evidence fusion diagnosis, low diagnosis efficiency, self organizing map, spectral energy entropy