Resumen

Ante condiciones de operación severas, los rodamientos tienden a ser uno de los componentes más vulnerables en los sistemas mecánicos. Debido a los requisitos de eficiencia económica y fiabilidad, los métodos efectivos de diagnóstico de fallas para rodamientos han sido durante mucho tiempo un tema de investigación candente en los campos de maquinaria rotativa. Sin embargo, los métodos tradicionales como la máquina de vectores de soporte (SVM) y la red neuronal de retropropagación (BP-NN) que están compuestos por estructuras superficiales caen en un dilema al intentar mejorar aún más sus precisión. Con el objetivo de superar las deficiencias de las estructuras superficiales, en este texto se propone un novedoso algoritmo jerárquico basado en LSTM apilado (memoria a corto y largo plazo). Sin necesidad de ninguna operación de preprocesamiento o extracción manual de características, el método propuesto construye un marco de sistema de diagnóstico de fallas de extremo a extremo para rodamientos. Beneficiándose del mecan

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Rodamientos de rodillos; Métodos de diagnóstico de fallas; Campos de maquinaria rotativa; LSTM apiladas; Sistema de diagnóstico de fallas de extremo a extremo; Señales temporales crudas
• Keywords:Rolling bearings; Fault diagnosis methods; Rotary machinery fields; Stacked LSTM; End-to-end fault diagnosis system; Raw temporal signals