Resumen

En el campo del reconocimiento de patrones de fallos del rotor, la mayoría de los métodos clásicos de reconocimiento de patrones operan generalmente en espacios de vectores de características en los que diferentes valores de características se apilan en vectores unidimensionales (1D) y luego son procesados por los clasificadores. En este trabajo, la imagen de tiempo-frecuencia de la señal de vibración del rotor se representa como un tensor de características de textura para el reconocimiento de patrones de los estados de fallo del rotor con la máquina lineal de tensor superior de soporte (SHTM). En primer lugar, el espectrograma de tiempo-frecuencia de núcleo óptimo adaptativo visualiza las características únicas de la señal de vibración de fallo del rotor; de este modo, la identificación del fallo del rotor se convierte en el correspondiente reconocimiento de patrones de imagen de tiempo-frecuencia (TFI). En segundo lugar, para resaltar y preservar las características locales de la TFI, ésta se divide en algunas subzonas TFI para extraer las características de textura jerárquicas. Después, para evitar la pérdida de información y la distorsión causadas por el apilamiento de características multidimensionales en un vector, las características multidimensionales de las subzonas se transforman en un tensor de características que conserva la estructura inherente característica del TFI. Finalmente, el tensor de características se introduce en el SHTM para el reconocimiento de patrones de fallo del rotor y se evalúa el rendimiento del reconocimiento correspondiente. Los resultados experimentales mostraron que el método de clasificación del tensor de características de textura de tiempo-frecuencia puede lograr una mayor tasa de reconocimiento y una mejor robustez en comparación con los clasificadores convencionales basados en vectores, especialmente en el caso de muestras de pequeño tamaño.

• Materias:Máquinas eléctricas Turbinas hidráulicas Motores (Mecánica) Turbina eólica Turbomáquina
• Subjects:Electric machines Hydraulic turbines Engines Wind turbine Turbomachine
• Palabras claves:reconocimiento de patrones de fallo del rotor, tfi, tensor de características, imagen de frecuencia, características multidimensionales, reconocimiento de patrones, métodos clásicos de reconocimiento de patrones, tensor de características de textura de frecuencia, señal de vibración de fallo del rotor, diferentes valores de características
• Keywords:rotor fault pattern recognition, tfi, feature tensor, frequency image, multidimensional features, pattern recognition, classical pattern recognition methods, frequency texture feature tensor, rotor fault vibration signal, different feature values