Resumen

El rodamiento es un componente mecánico importante que fácilmente falla en un entorno de trabajo deficiente. Las máquinas de vectores de soporte pueden ser utilizadas para diagnosticar fallas en los rodamientos; sin embargo, la capacidad de reconocimiento del modelo se ve fuertemente afectada por la función del núcleo y sus parámetros. Desafortunadamente, es difícil seleccionar los parámetros óptimos. Para abordar estas limitaciones, se introdujo un mecanismo de escape y condiciones de convergencia adaptativa en el algoritmo ALO. Como resultado, se propuso el método EALO y se ha aplicado para una selección más precisa de los parámetros del modelo SVM. Para evaluar el modelo, se recopilaron las señales de aceleración de vibración de rodamientos normales, con fallas en el anillo interno, fallas en el anillo exterior y fallas en la bola a diferentes velocidades de rotación (1500r/min, 1800r/min, 2100r/min y 2400r/min). Las señales de vibración fueron descompuestas utilizando el

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Rodamiento; Máquinas de vectores de soporte; Función de núcleo; Parámetros; Algoritmo EALO; Señales de vibración
• Keywords:Bearing; Support vector machines; Kernel function; Parameters; EALO algorithm; Vibration signals