Resumen

La extracción de características es reconocida como una etapa crítica en el diagnóstico de fallas en rodamientos. El espectro de patrones (PS) y la entropía del espectro de patrones (PSE) en los últimos años han sido aplicados de manera fluida en la extracción de características, aunque fácilmente ignoran las firmas de impulso parciales ocultas en los datos de vibración del rodamiento. En este artículo, se presentan por primera vez el espectro de gradiente de patrones (PGS) y la entropía del espectro de gradiente de patrones (PGSE) para mejorar el rendimiento de la extracción de características de falla de dos enfoques (PS y PSE). Sin embargo, PSE y PGSE solo pueden evaluar el comportamiento dinámico de la serie temporal en una sola escala, lo que implica que no se considera la información de características en otras escalas. Para abordar este problema, se implementa un enfoque novedoso denominado entropía del espectro de gradiente de patrones a escala múltiple (MPGSE) para extraer

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Extracción de características; Diagnóstico de fallas en rodamientos; Espectro de patrones; Entropía del espectro de patrones; Espectro de gradientes de patrones; Entropía del espectro de gradientes de patrones a múltiples escalas
• Keywords:Feature extraction; Bearing fault diagnosis; Pattern spectrum; Pattern spectrum entropy; Pattern gradient spectrum; Multiscale pattern gradient spectrum entropy