Resumen

El monitoreo de la condición de maquinaria rotativa siempre es un enfoque de diagnóstico de fallas inteligente. En vista de la excesiva dependencia de los métodos tradicionales en el conocimiento previo para extraer manualmente características, su capacidad limitada para aprender relaciones no lineales complejas en las señales de falla y la mezcla de las señales recopiladas con ruido ambiental en el trabajo de las máquinas rotativas, este artículo propone un enfoque novedoso para detectar fallas en los rodamientos, basado en el aprendizaje profundo. Para detectar, localizar e identificar de manera efectiva fallas en rodamientos de rodillos, se utiliza un autoencoder apilado de reducción de ruido para abstraer características de la vibración original de las señales, y luego, las características se proporcionan como entrada para un clasificador de red de retropropagación (BP). Los resultados generados por este clasificador representan diferentes categorías de fallas. Los resultados experimentales obtenidos en conjuntos de datos de rodamientos de rodillos muestran que este método puede

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Monitoreo de condición; Maquinaria rotativa; Diagnóstico de fallas; Aprendizaje profundo; Falla de rodamiento; Señales de vibración
• Keywords:Condition monitoring; Rotating machinery; Fault diagnosis; Deep learning; Bearing fault; Vibration signals