Resumen

Aunque las variaciones de carga en los sistemas de rotor de baja velocidad afectan a las condiciones de funcionamiento y a las propiedades mecánicas, también pueden proporcionar información sobre fallos de la máquina. Por lo tanto, el reconocimiento de la carga es de gran importancia en la supervisión operativa para detectar señales tempranas de fallo y diagnosticar averías. En este artículo se analizan cualitativamente cinco tipos de cargas típicas en un sistema de rotor de baja velocidad. Además, se presenta un método basado en las señales de vibración de un sistema de rotor de baja velocidad utilizando la descomposición modal empírica conjunta (EEMD), la extracción de características energéticas y la red neuronal de retropropagación (BPNN). Se diseñó y fabricó un banco de pruebas de rotores de baja velocidad para el reconocimiento de cargas y se estableció un experimento basado en determinadas características de carga. Se realizaron pruebas de carga para cinco categorías representativas y se recogieron simultáneamente varias señales de vibración. Se demostró que el EEMD eliminaba la mezcla de modos observada en el EMD tradicional, lo que dio lugar a una clara descomposición de la señal. Por último, las características se importaron a una BPNN tras la extracción de características energéticas, y se reconocieron con precisión los distintos tipos de carga. Comparando los resultados experimentales con los datos existentes, se alcanzó una tasa de reconocimiento total del 92,38%, lo que demuestra que el método propuesto es fiable y eficiente.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Variaciones de carga; sistemas de rotor de baja velocidad; fallos de la máquina; reconocimiento de la carga; supervisión del funcionamiento; detección de fallos.
• Keywords:Load variations; low speed rotor systems; machine faults; load recognition; operational monitoring; failure detection