Resumen

La identificación de patrones de falla en rodamientos, especialmente para las fallas compuestas, ha atraído notable atención y sigue siendo un desafío en el diagnóstico de fallas. En este artículo, se propone un método novedoso llamado extracción de características a múltiples escalas (MFE) y máquina de vectores de soporte multiclase (MSVM) con adaptación de parámetros de partículas (PPA). MFE se utiliza para preprocesar las señales del proceso, que descompone los datos en funciones de modo intrínseco mediante el método de descomposición modal empírica, y la frecuencia instantánea de los componentes descompuestos se obtiene mediante la transformación de Hilbert. Luego, se utilizan características estadísticas y análisis de componentes principales para extraer información significativa de las características, para obtener datos efectivos de múltiples fallas. El método MSVM con optimización de parámetros PPA clasificará los patrones de falla. Los resultados de un estudio de caso de los datos de fallas en rodamientos de la Universidad Case Western Reserve mue

• 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:Patrones de falla de rodamientos; Fallas compuestas; Extracción de características multiescala; Máquina de vectores de soporte multiclase; Adaptación de parámetros de partículas; Diagnóstico de fallas
• Keywords:Rolling bearing fault patterns; Compound faults; Multiscale feature extraction; Multiclass support vector machine; Particle parameter adaptive; Fault diagnosis