Resumen

En este artículo se propone un nuevo método de diagnóstico de fallas de rodamientos basado en aprendizaje métrico profundo y norma Yu, el cual se denomina método de aprendizaje métrico profundo basado en norma Yu (DMN-Yu). Con el fin de resolver la clasificación errónea causada por el tradicional aprendizaje métrico profundo basado en la función métrica de distancia, se introduce un criterio de similitud basado en la norma Yu en el aprendizaje métrico profundo tradicional. En primer lugar, se utiliza la red neuronal de aprendizaje métrico profundo (DMN) para extraer de forma adaptativa los parámetros de características de falla. En segundo lugar, considerando que las muestras de datos en el límite entre diferentes categorías de fallas pueden ser mal clasificadas, se utiliza el método de análisis marginal Fisher basado en la norma Yu para optimizar las características. Luego, se utiliza un clasificador BPNN del método DMN-Yu para ajustar finamente los parámetros de la red y diagnosticar la categoría de falla

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Diagnóstico de fallas; Aprendizaje métrico profundo; Norma de Yu; Red neuronal; Característica de falla; Clasificador
• Keywords:Fault diagnosis; Deep metric learning; Yu norm; Neural network; Fault feature; Classifier