Resumen

La identificación de fallas bajo condiciones de operación variables es una tarea de gran importancia y desafío para la gestión de la salud del equipo. Sin embargo, al enfrentar este tipo de problema, los métodos tradicionales de diagnóstico de fallas basados en la suposición de la coherencia de la distribución del conjunto de entrenamiento y pruebas ya no son aplicables. En este documento, se propone un nuevo método de identificación de estado integrado por descomposición tiempo-frecuencia, entropías de multi-información y adaptación de distribución conjunta para rodamientos de elementos rodantes. En primer lugar, se empleó la descomposición rápida de modo empírico en conjunto para descomponer las señales de vibración en una colección de funciones de modo intrínseco, con el objetivo de obtener la descripción multiescala de las señales originales. Luego, se extrajeron características de entropía híbrida que pueden caracterizar la dinámica y complejidad de series temporales en el espacio local, global y dominio de frecuencia de cada función de modo intrínseco

• 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:Identificación de fallas; Condiciones de operación variables; Gestión de la salud del equipo; Descomposición tiempo-frecuencia; Entropías de múltiple información; Adaptación de distribución conjunta
• Keywords:Fault identification; Variable operating conditions; Equipment health management; Time-frequency decomposition; Multi-information entropies; Joint distribution adaptation