Resumen

El reconocimiento preciso del estado de degradación de un rodamiento es crucial para un mantenimiento basado en la condición efectivo que mejore la fiabilidad y la seguridad. En este trabajo, se propone una nueva arquitectura para reconocer el estado de degradación del rodamiento. En primer lugar, se extraen características en el dominio del tiempo, como el RMS, la curtosis, la asimetría y el RMSEE, así como características de coeficientes cepstrales de Mel-frecuencia, de las señales de vibración del rodamiento, las cuales se utilizan como entrada del algoritmo k-means. Estas características sin etiquetar se agrupan mediante k-means para definir las diferentes categorías del estado de degradación del rodamiento. De esta manera, las señales de vibración originales pueden ser etiquetadas. Luego, se construye un modelo de reconocimiento de red neuronal convolucional, que toma las señales de vibración del rodamiento como entrada y devuelve la categoría del estado de degradación. Así, se puede eliminar la interferencia causada por factores human

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Estado de degradación; Rodamiento de rodillos; Señales de vibración; Algoritmo de k-medias; Red neuronal convolucional; Plan de mantenimiento
• Keywords:Degradation state; Rolling bearing; Vibration signals; K-means algorithm; Convolutional neural network; Maintenance plan