Resumen

La maquinaria rotativa produce vibraciones dependiendo del diseño de los sistemas de rotor, así como de cualquier falla o incertidumbre en la máquina que pueda aumentar las vibraciones de dichos sistemas. Este estudio ilustra la efectividad de utilizar modelado de sustitución basado en kriging para predecir el comportamiento vibracional (es decir, las velocidades críticas y las amplitudes de vibración) de un rotor flexible complejo en presencia de incertidumbres. La idea básica del kriging es predecir valores desconocidos de una función utilizando un conjunto de datos conocidos de tamaño reducido. La estimación de kriging se basa en un promedio ponderado de los valores conocidos de la función en el vecindario del punto para el cual se debe calcular el valor de la función. Se ilustrará la dependencia crucial de un predictor de kriging en función de las funciones de correlación y diferentes órdenes. Este artículo también muestra que reducir el número de muestras requeridas para tener modelos predictivos puede lograrse realizando una comprensión inicial del sistema mecánico de interés y

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Maquinaria rotativa; Vibraciones; Modelado de sustitución; Kriging; Velocidades críticas; Amplitudes de vibración
• Keywords:Rotating machinery; Vibrations; Surrogate modeling; Kriging; Critical speeds; Vibration amplitudes