Resumen

Este documento construye una estructura de red novedosa (SVD-1DCNN) basada en la descomposición de valores singulares (SVD) y una red neuronal convolucional unidimensional (1DCNN), que toma la señal original como entrada para realizar un diagnóstico inteligente de fallas en rodamientos. La salida de la primera capa de convolución también fue analizada desde las perspectivas de dominio temporal y dominio tiempo-frecuencia en el experimento de simulación. A través de análisis cualitativos y cuantitativos, se encontró que el núcleo de convolución no solo extraía las características de clasificación de las señales, sino que también resaltaba gradualmente las características aprendidas en el proceso de entrenamiento de la red. Además, al aplicar esta red en el diagnóstico de fallas de rodamientos con los datos proporcionados por el Centro de Datos de Rodamientos de la Universidad Case Western Reserve (CWRU), se encontró que el núcleo de convolución también podía lograr la operación mencionada anteriormente. La red novedosa de este documento logró

• Materias:Análisis estructural Ingeniería subterránea Capacidad de tráfico Descomposición del modo variacional Fallas para rodamientos
• Subjects:Structural analysis Underground engineering Traffic capacity Variational mode decomposition Failures for bearings
• Palabras claves:Nueva estructura de red neuronal; SVD-1DCNN; Fallas en rodamientos; Red neuronal convolucional; Diagnóstico de fallas; Características de clasificación
• Keywords:Novel network structure; SVD-1DCNN; Bearing faults; Convolutional neural network; Fault diagnosis; Classification features