Resumen

Las señales de vibración procedentes de los rodamientos de ferrocarril son no estacionarias por naturaleza; en este artículo se propone un enfoque híbrido para el diagnóstico de fallos de los rodamientos de ferrocarril utilizando la eliminación de ruido mediante ondículas de umbral de segmento (STWD), la descomposición empírica de modos (EMD), el algoritmo genético (GA) y la máquina de vectores de soporte de mínimos cuadrados (LSSVM). En primer lugar, la señal original se denota utilizando STWD como prefiltro, lo que mejora la posterior descomposición en una serie de funciones de modo intrínseco (IMF) utilizando EMD. En segundo lugar, se extraen los pares de energía de las FMI como parámetros característicos. Al mismo tiempo, se emplea un AG para optimizar el LSSVM y mejorar la precisión de la clasificación. Por último, las características extraídas se utilizan como entradas para la clasificación por el GA-LSSVM. Se utilizan señales reales de vibración de rodamientos ferroviarios para verificar experimentalmente la eficacia del método propuesto. Los resultados muestran que el nuevo método es eficaz y preciso para el diagnóstico de fallos en rodamientos de ferrocarril.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Señales de vibración; rodamientos ferroviarios; diagnóstico de fallos; enfoque híbrido; eliminación de ruido mediante wavelet de umbral de segmento; descomposición modal empírica.
• Keywords:Vibration signals; railway rolling bearings; fault diagnosis; hybrid approach; segment threshold wavelet denoising; empirical mode decomposition