Resumen

En la actualidad, los métodos de aprendizaje profundo han sido ampliamente utilizados para mejorar la inteligencia y eficiencia en el diagnóstico de fallas. No obstante, la mayoría de los esquemas requieren una gran cantidad de datos e iteraciones para los parámetros de entrenamiento. Este documento presenta una propuesta de arquitectura de red siamesa ligera y de múltiples escalas para el diagnóstico de fallas, compuesta de dos módulos principales. La red propuesta fue validada mediante conjuntos de datos múltiples con diferentes cargas y velocidades. Los resultados muestran que el modelo tiene una mayor precisión, menos parámetros y una escala de comparación con el enfoque de línea de base a través de los experimentos realizados.

• Materias:Control de procesos industriales Desarrollo de procesos Localización de fallas (Ingeniería) Procesos de manufactura Redes neuronales (Computadores)
• Subjects:Industrial process control Process development Troubleshooting (Engineering) Manufacturing processes Neural networks (Computer science)
• Palabras claves:Red neuronal convolucional; Diagnóstico erróneo; Pocos disparos; red siamesa; Ligero
• Keywords:Convolutional neural network; Fault diagnosis; Few shot; Siamese network; Lightweight