Resumen

La clave para el diagnóstico de fallas en maquinaria rotativa es extraer características de falla de manera efectiva y seleccionar el algoritmo de clasificación apropiado. Como método común de descomposición de señales, el efecto de la descomposición de paquetes de wavelet (WPD) depende en gran medida de la aplicabilidad de la función de base de wavelet (WBF). En este documento, se propone un enfoque novedoso para el diagnóstico de fallas en maquinaria rotativa basado en la clasificación de importancia y selección de características. En primer lugar, se propone un principio de dos pasos para seleccionar la WBF más adecuada para la señal de vibración, en base al cual se propone un método de WPD optimizado (OWPD) para descomponer la señal de vibración y extraer la información de falla en el dominio de la frecuencia. En segundo lugar, se utiliza FE para extraer características de falla de las subsenales descompuestas de OWPD. En tercer lugar, se introduce el algoritmo de impulso categ

• 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; Maquinaria rotativa; Características de fallas; Algoritmo de clasificación; Descomposición de paquetes de wavelet; Clasificación de importancia de características
• Keywords:Fault diagnosis; Rotating machinery; Fault features; Classification algorithm; Wavelet packet decomposition; Feature importance ranking