Resumen

El rodamiento es uno de los componentes mecánicos más críticos en maquinaria rotativa. Para identificar de manera efectiva el estado de funcionamiento del rodamiento, se registran una variedad de posibles señales de vibración de falla bajo múltiples velocidades. Sin embargo, las señales de vibración adquiridas tienen diferentes características bajo diferentes velocidades e interferencia del entorno, lo que puede llevar a resultados de diagnóstico diferentes. Con el fin de mejorar la confiabilidad del diagnóstico de fallas, se propone una fusión de características multidominio para el diagnóstico de rodamientos a velocidad variable utilizando un sistema de aprendizaje amplio. En primer lugar, se adopta una fusión de características multidominio para lograr la forma unificada de las características de vibración a diferentes velocidades. Se extraen características de dominio temporal y de dominio de frecuencia de las señales de vibración a diferentes velocidades. Luego, se emplea el sistema de aprendizaje amplio con las características fusionadas para la clasificación. Nuestros resultados experimentales sugieren que, en comparación con otros modelos de aprend

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Rodamiento; Componentes mecánicos; Señales de vibración de falla; Fusión de características multidominio; Sistema de aprendizaje amplio; Confiabilidad del diagnóstico
• Keywords:Bearing; Mechanical components; Fault vibration signals; Multidomain feature fusion; Broad learning system; Diagnosis reliability