Resumen

Este estudio propone un sistema inteligente de diagnóstico de fallos rotativos para motores. Se utiliza un método de detección de la velocidad de rotación sin sensores y una red neuronal estructural dinámica mejorada. Además, para aumentar la velocidad de convergencia del entrenamiento, también se adoptan un método de atractor terminal y un análisis discriminante híbrido. El método propuesto puede emplearse para detectar las frecuencias rotativas de motores con velocidades variables y puede mejorar la discriminación de los fallos del motor. Para llevar a cabo los experimentos, este estudio utilizó nodos sensores inalámbricos para transmitir los datos de vibración y empleó MATLAB para escribir los códigos de los módulos funcionales, incluyendo el procesamiento de señales, la estimación de la velocidad de rotación sin sensores, la red neuronal y el gráfico de control de procesos estocásticos. Además, se utilizó el software Visual Basic para crear una interfaz hombre-máquina integrada. Los resultados experimentales relativos a la prueba de fallos del equipo indicaron que el novedoso sistema de diagnóstico propuesto puede estimar eficazmente las velocidades de rotación y proporcionar una capacidad superior de discriminación de fallos del motor con una rápida convergencia de entrenamiento.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:red neuronal estructural dinámica mejorada, método de detección de la velocidad de rotación sin sensores, estimación de la velocidad de rotación sin sensores, gráfico de control de procesos estocásticos, software visual basic, convergencia rápida del entrenamiento, análisis discriminante híbrido, avería rotativa inteligente, discriminación de averías del motor, sistema de diagnóstico novedoso
• Keywords:improved dynamic structural neural network, sensorless rotational speed detection method, sensorless rotational speed estimation, stochastic process control chart, visual basic software, fast training convergence, hybrid discriminant analysis, intelligent rotary fault, motor fault discrimination, novel diagnostic system