Resumen

Como una de las partes más vitales del equipo rotativo, es un trabajo esencial diagnosticar la falla de los rodamientos. Los algoritmos de diagnóstico de fallas en rodamientos basados en el procesamiento de señales tradicionales dependen de la extracción de características artificiales y del conocimiento experto. La condición de trabajo de los rodamientos es compleja y variable, por lo que el algoritmo tradicional carece ligeramente de adaptabilidad. El grado de daño también juega un papel crucial en el monitoreo de fallas. Diferentes grados de daño pueden requerir diferentes medidas correctivas, pero los algoritmos tradicionales de diagnóstico de fallas dividen aproximadamente el grado de daño en varias categorías, que no corresponden al valor continuo del grado de daño. Para resolver los dos problemas mencionados anteriormente, este documento propone un algoritmo de diagnóstico de fallas basado en una red neuronal convolucional unidimensional de extremo a extremo. El núcleo de convolución unidimensional y la capa de agrupación se aplican direct

• Materias:Análisis estructural Ingeniería subterránea Capacidad de tráfico Descomposición del modo variacional Fallas para rodamientos
• Subjects:Structural analysis Underground engineering Traffic capacity Variational mode decomposition Failures for bearings
• Palabras claves:Rodamiento; Diagnóstico de fallas; Algoritmos; Grado de daño; Red neuronal convolucional; Extracción de características
• Keywords:Rolling bearing; Fault diagnosis; Algorithms; Damage degree; Convolutional neural network; Feature extraction