Resumen

Se propone un método novedoso para resolver el problema del diagnóstico de fallos en maquinaria rotativa, que se basa en el análisis de componentes principales (ACP) para extraer los rasgos característicos y en la máquina de vectores de soporte de núcleo de Morlet (MSVM) para lograr la clasificación de los fallos. En primer lugar, las señales de vibración recogidas se descomponen mediante la descomposición empírica de modos (EMD) para obtener la correspondiente función intrínseca de modos (IMF). La entropía energética de la EMD, que incluye la información dominante del fallo, se define como los rasgos característicos. Sin embargo, las características extraídas seguían siendo de alta dimensión, y seguía existiendo un exceso de información redundante. Por lo tanto, se introduce el PCA para extraer los rasgos característicos y reducir la dimensión. Los rasgos característicos se introducen en el MSVM para entrenar y construir el modelo de identificación del estado de funcionamiento; se realiza la identificación del estado de funcionamiento de la maquinaria rotativa. Se reconocen los estados de funcionamiento de una pista interior normal de un rodamiento y de varias pistas interiores con diferentes grados de fallo; los resultados validan la eficacia del algoritmo propuesto.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:rasgos característicos, máquina de vectores soporte de núcleo morlet, función de modo intrínseco correspondiente, problema de diagnóstico de averías de maquinaria, entropía de energía emd, información de avería dominante, descomposición de modo empírico, información redundante excesiva, carrera interior normal, análisis de componentes principales
• Keywords:characteristic features, morlet kernel support vector machine, corresponding intrinsic mode function, machinery fault diagnosis problem, emd energy entropy, dominant fault information, empirical mode decomposition, excessive redundant information, normal inner race, principal components analysis