Resumen

Debido al problema de la variación de la carga o del entorno, los equipos de maquinaria suelen funcionar en multimodo. La característica de los datos que intervienen en la observación suele variar con el cambio de modo. La partición de modos es un paso fundamental antes de la clasificación de fallos. Este trabajo propone un método de clasificación multimodo basado en el aprendizaje profundo mediante la construcción de un modelo DNN jerárquico con la primera jerarquía especialmente diseñada para el propósito de la partición de modo. En la segunda jerarquía, se construyen diferentes modelos de clasificación DNN para cada modo con el fin de obtener resultados de clasificación de fallos más precisos. Con el fin de proporcionar información útil para el mantenimiento predictivo, se construye una DNN adicional en la tercera jerarquía para clasificar aún más un determinado fallo en un modo dado en varias clases con diferente gravedad de fallo. La aplicación a la clasificación multimodal de fallos en rodamientos demuestra la eficacia del método propuesto.

• Materias:Control del proceso Aerodinámica Diagnóstico de fallas Regulación automática Instrumentación automática
• Subjects: Aerodynamics Fault diagnosis Automatic regulation Automatic instrumentation
• Palabras claves:modo, resultado preciso de la clasificación de fallos, diferentes modelos de clasificación dnn, diferente gravedad de los fallos, modelo dnn jerárquico, método de clasificación multimodo, clasificación de fallos multimodo, propósito, partición de modos, dnn adicional
• Keywords:mode, accurate fault classification result, different dnn classification models, different fault severity, hierarchical dnn model, multimode classification method, multimode fault classification, purpose, mode partition, additional dnn