Resumen

En este trabajo se propone un nuevo mtodo de diagnstico hbrido para los fallos de excentricidad esttica de los generadores 3D, que incluyen la excentricidad axial, la excentricidad radial y la excentricidad mixta compuesta por las dos anteriores. En primer lugar, se utiliz el mtodo de filtrado iterativo local adaptativo (ALIF) para descomponer las seales de vibracin del generador bajo fallos de excentricidad. A continuacin, se calcul el coeficiente de correlacin para determinar los componentes de la funcin de modo intrnseco (IMF) con la mayor informacin caracterstica. Por ltimo, se extrae la entropa de permutacin (PE) de los componentes para construir la matriz de vectores propios que puede utilizarse para introducir el algoritmo kernel fuzzy C-means (KFCM) y obtener el resultado de la agrupacin. El resultado indica que el coeficiente de clasificacin basado en ALIF y KFCM se comporta de forma ms cercana a 1, mientras que la entropa difusa media (FE) se acerca ms a 0, lo que demuestra que este mtodo es capaz de detectar con mayor precisin diferentes fallos de excentricidad.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Propuesta; Método de diagnóstico híbrido; Generadores; Fallos de excentricidad estáticos en 3D; Método ALIF; Señales de vibración; Componentes de la función de modo intrínseco (IMF); Coeficiente de correlación; Componentes de la entropía de permutación (PE); Matriz de vectores propios; Algoritmo kernel fuzzy C-means (KFCM); Agrupación; Coeficiente de clasificación; Entropía difusa media (FE)
• Keywords:Proposed; Hybrid diagnosis method; Generators; 3D static eccentricity faults; ALIF method; Vibration signals; Intrinsic mode function (IMF) components; Correlation coefficient; Components permutation entropy (PE); Eigenvector matrix; Kernel fuzzy C-means (KFCM) algorithm; Clustering; Classification coefficient; Average fuzzy entropy (FE)