Resumen

Se presenta un algoritmo de diagnóstico de fallas de bomba de pistón axial basado en la transformada empírica de wavelets (EWT) y una red neuronal convolucional unidimensional (1D-CNN). Se toman como objetos de análisis las señales de vibración de falla y las señales de presión de la bomba de pistón axial. En primer lugar, las señales originales se descomponen mediante EWT, y cada componente de la señal se filtra y se reconstruye según las características de energía. Luego, se extraen las características en el dominio del tiempo y en el dominio de la frecuencia de la señal despejada, y se fusionan las características del dominio del tiempo y del dominio de la frecuencia. Finalmente, se implementó el modelo 1D-CNN en la plataforma en la nube WISE-Platform as a Service (WISE-PaaS) para realizar el diagnóstico de fallas en tiempo real de la bomba de pistón axial basado en la plataforma en la nube. En comparación con la descomposición modal empírica de conjunto

• 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:Bomba de pistones axiales; Algoritmo de diagnóstico de fallas; Transformada empírica de wavelets; 1D-CNN; Señales; Vibración de falla
• Keywords:Axial piston pump; Fault diagnosis algorithm; Empirical wavelet transform; 1D-CNN; Signals; Fault vibration