Resumen

En el diagnóstico de fallas de rodamientos en rodillos, la señal de vibración de un solo sensor suele ser no estacionaria y ruidosa, lo que contiene muy poca información útil e impacta en la precisión del diagnóstico de fallas. Para resolver el problema, este artículo presenta un novedoso método de diagnóstico de fallas que utiliza señales de multivibración y una red de creencias profundas (DBN, por sus siglas en inglés). Al utilizar la capacidad de aprendizaje de las DBNs, el método propuesto puede fusionar de manera adaptativa datos de múltiples características e identificar diversas fallas en rodamientos. En primer lugar, se obtienen múltiples señales de vibración de varios rodamientos defectuosos. En segundo lugar, se extraen algunas características en el dominio del tiempo de las señales originales de cada sensor individual. Finalmente, los datos de características de todos los sensores se introducen en la DBN y se genera un clasificador apropiado para completar el diagnóstico de fallas. Para demostrar la efectividad de las señales de multiv

• Materias:Degradación acelerada Fatiga estructural Proceso de compresión Metodología de detección Movimiento caótico
• Subjects:Accelerated degradation Structural fatigue Compression process Detection methodology Chaotic motion
• Palabras claves:Rodamiento; Diagnóstico de fallas; Señal de vibración; Sensor; Red de creencias profundas; Datos multifuncionales
• Keywords:Rolling bearing; Fault diagnosis; Vibration signal; Sensor; Deep belief network; Multifeature data