Resumen

En el análisis de estado de rodamientos mediante la teoría de representación colaborativa, la construcción de un diccionario redundante excelente para representar de manera colaborativa los datos normales o anormales adquiridos ha sido un tema significativo. Por lo tanto, en este documento se propone un nuevo método para la detección de fallas y clasificación de rodamientos. El algoritmo propuesto consta principalmente de tres componentes. En primer lugar, se emplea una transformada wavelet para extraer características, aprovechando la observación de que las señales de vibración bajo diferentes condiciones tienen espectros de frecuencia similares. Esta similitud asegura que podamos representar de manera colaborativa cualquier muestra de prueba utilizando muestras de entrenamiento. En segundo lugar, bajo la suposición de similitud, se emplea una estrategia de aprendizaje de pares de diccionarios para construir un par de diccionarios sobredimensionado, que se utiliza para realizar una representación óptima de la señal de vibración. Mientras tanto, la restricción de dispersión también se tiene en cuenta durante el entrenamiento del dic

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Rodamientos de rodillos; Teoría de representación colaborativa; Detección de fallas; Clasificación; Transformada wavelet; Aprendizaje de diccionario
• Keywords:Rolling bearings; Collaborative representation theory; Fault detection; Classification; Wavelet transform; Dictionary learning