Resumen

El diagnóstico del estado de los sistemas de rodamientos múltiples es uno de los requisitos en el campo de la industria, ya que los rodamientos se utilizan en muchos equipos y su fallo puede provocar una avería total. Las condiciones de los rodamientos suelen reflejarse en los datos de las señales de vibración. En el diagnóstico de las condiciones de los rodamientos múltiples, se involucran muchos tipos de datos de señales de vibración; por lo tanto, implicará la extracción de muchas características para obtener un diagnóstico preciso de la condición. Sin embargo, un gran número de extracción de características aumentará la complejidad del sistema de diagnóstico. Por lo tanto, en este trabajo, presentamos un método de diagnóstico que es una hibridación de algoritmos genéticos adaptativos (AGAs), redes neuronales de propagación trasera (BPNNs), y análisis relacional gris (GRA) para diagnosticar la condición del sistema de rodamientos múltiples. Los AGAs se utilizan en el algoritmo de diagnóstico para determinar los mejores pesos iniciales de las BPNNs con el fin de mejorar la precisión del diagnóstico. Además, el GRA se aplica para determinar y seleccionar las características dominantes de los datos de la señal de vibración que proporcionarán un buen diagnóstico del sistema de rodamientos múltiples en menos extracción de características. Los resultados de los experimentos muestran que las AGAs-BPNNs con enfoques GRA pueden aumentar la precisión del diagnóstico en un tiempo de procesamiento más corto, en comparación con las AGAs-BPNNs sin el GRA.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:datos de señales de vibración, sistema de rodamientos múltiples, mejor peso inicial, menor tiempo de procesamiento, algoritmo genético adaptativo, menor extracción de características, bpnns, diagnóstico de condiciones precisas, número de características, extracción de muchas características
• Keywords:vibration signal data, multiple bearing system, best initial weight, shorter processing time, adaptive genetic algorithm, less features extraction, bpnns, precise conditions diagnosis, number of features, many features extraction