Resumen

Predecir el proceso de degradación de los rodamientos antes de que alcancen el umbral de falla es extremadamente importante en la industria. En este documento se propuso un método novedoso basado en la máquina de vectores de soporte (SVM) y el modelo de Markov para lograr este objetivo. En primer lugar, las características son extraídas mediante métodos de dominio temporal y de dominio tiempo-frecuencia. Sin embargo, las características originales extraídas siguen siendo de alta dimensionalidad e incluyen información superflua, por lo que se utiliza la técnica de fusión de múltiples características no lineales LTSA para combinar las características y reducir la dimensión. Luego, basado en las características extraídas, se utiliza el modelo SVM para predecir el proceso de degradación de los rodamientos, y el método CAO se utiliza para determinar la dimensión de incrustación del modelo SVM. Después de predecir el proceso de degradación de los rodamientos con el modelo SVM, se utiliza el modelo de Markov para mejorar la precisión de la predicción. El

• Materias:Interacción dinámica Efectos de amortiguamiento Velocidades críticas Control de vibraciones Amortiguador
• Subjects:Dynamic interaction Damping effects Critical velocities Vibration control Damper
• Palabras claves:Degradación; Rodamientos; SVM; Modelo de Markov; Características; Predicción
• Keywords:Degradation; Bearings; SVM; Markov model; Features; Prediction