Resumen

Para identificar eficazmente la falla de una máquina rotativa, se propone un nuevo método basado en el filtro morfológico optimizado por el algoritmo de optimización de enjambre de partículas (PSO) y el algoritmo de aprendizaje de variedades no lineales local tangent space alignment (LTSA). En primer lugar, la señal se purifica mediante el filtro morfológico; el elemento estructural (SE) de los filtros se selecciona mediante el método PSO. Luego, las señales filtradas se descomponen mediante el método de descomposición en modos empíricos (EMD), y las características extraídas se mapean en el LTSA para extraer las características de los caracteres; luego, se utiliza el modelo de máquina de vectores de soporte (SVM) para lograr el diagnóstico de fallas de la máquina rotativa. El método propuesto se evalúa mediante señales de vibración medidas en rodamientos con fallas. Los resultados muestran que el método puede eliminar eficazmente el ruido y extraer las características de la falla, por

• 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:Identificar; Máquina rotativa; Falla; Filtro morfológico; Algoritmo de optimización de enjambre de partículas; Alineación local del espacio tangente
• Keywords:Identify; Rotating machine; Fault; Morphological filter; Particle swarm optimization algorithm; Local tangent space alignment