Resumen

Para realizar el diagnóstico de fallos de rodamientos de forma eficaz, este artículo presenta un nuevo método de diagnóstico de fallos de rodamientos basado en la máquina de Boltzmann restringida gaussiana (RBM gaussiana). En primer lugar, las señales de vibración se remuestrean a la misma velocidad equivalente. Posteriormente, los espectros de envolvente de los datos remuestreados se utilizan directamente como vectores característicos para representar los tipos de fallo de los rodamientos. Por último, para tratar los vectores de características de alta dimensión basados en el espectro envolvente, se aplica un modelo clasificador basado en RBM gaussiano. El RBM gaussiano tiene la capacidad de proporcionar una representación de forma cerrada de la distribución subyacente a los datos de entrenamiento, y es muy conveniente para modelar datos de valor real de alta dimensión. Los experimentos con 10 conjuntos de datos diferentes verifican el rendimiento del método propuesto. La superioridad del clasificador RBM gaussiano también se confirma comparándolo con otros clasificadores, como la máquina de aprendizaje extremo, la máquina de vectores soporte y la red de creencia profunda. En este trabajo también se estudia la robustez del método propuesto. Se puede concluir que el método propuesto puede realizar el diagnóstico de fallos de rodamientos de forma precisa y efectiva.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Diagnóstico de fallos; rodamientos; máquina de Boltzmann gaussiana restringida; señales de vibración; espectros envolventes; modelo clasificador.
• Keywords:Fault diagnosis; bearing; Gaussian restricted Boltzmann machine; vibration signals; envelope spectrums; classifier model