Resumen

Este artículo se centra en el diagnóstico de fallas para máquinas herramienta de control numérico (NC) y propone un método de diagnóstico de fallas basado en el análisis de componentes principales del núcleo (KPCA) y el vecino más cercano (-nearest neighbor, NN). Se diseña un KPCA dependiente de datos basado en la matriz de covarianza de los datos de muestra para superar la subjetividad en la selección de parámetros de la función del núcleo y se utiliza para transformar los datos originales de alta dimensión en un espacio de características de variedad de baja dimensión con la dimensionalidad intrínseca. El método NN se modifica para adaptarse al diagnóstico de fallas de herramientas que pueden determinar umbrales de clases de fallas múltiples y se aplica para detectar posibles fallas. Se desarrolla un análisis experimental en herramientas de fresado NC; los resultados de las pruebas muestran que el método propuesto tiene un mejor rendimiento en comparación con los otros dos métodos en el diagnóstico de fallas de herramientas

• Materias:Control de vibraciones Seguridad industrial Vibración de rodamientos Dinámica no lineal Vibración dinámica
• Subjects:Vibration control Industrial safety Bearing vibration Nonlinear dynamics Dynamic vibration
• Palabras claves:Diagnóstico de fallas; Herramientas de máquinas de control numérico; Análisis de componentes principales del núcleo; Vecino más cercano; KPCA dependiente de datos; Análisis experimental
• Keywords:Fault diagnosis; NC machine tools; Kernel principal component analysis; -nearest neighbor; Data-dependent KPCA; Experimental analysis