Resumen

En este trabajo se propone un nuevo método de diagnóstico de fallos en rodamientos que combina la transformada de paquetes de ondículas complejas de doble árbol (DTCWPT), la entropía de permutación multiescala mejorada (IMPE) y la alineación del espacio tangente local lineal (LLTSA) con la máquina de aprendizaje extremo (ELM). En este método, con el fin de descubrir eficazmente la información de la característica subyacente, DTCWPT, que tiene las propiedades atractivas como casi invariancia de cambio y aliasing reducido, se utiliza en primer lugar para descomponer la señal original en un conjunto de señales de subbanda. A continuación, se aplica IMPE, diseñado para reducir la variabilidad de las medidas de entropía, para caracterizar las propiedades de cada señal de subbanda obtenida a diferentes escalas. Además, los vectores de características se construyen combinando IMPE de cada señal de subbanda. Tras la construcción de los vectores de características, se emplea LLTSA para comprimir los vectores de alta dimensión de las muestras de entrenamiento y de prueba en vectores de baja dimensión con mejor capacidad de distinción. Por último, se utiliza el clasificador ELM para realizar automáticamente la identificación de la condición con los vectores de características de baja dimensión. Los resultados del análisis de los datos experimentales validan la eficacia del método de diagnóstico presentado y demuestran que este método puede aplicarse para distinguir los diferentes tipos y grados de fallo de los rodamientos.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Diagnóstico de fallos; rodamientos; transformada de paquetes de ondículas complejas de doble árbol; entropía de permutación multiescala mejorada; alineación lineal del espacio tangente local; máquina de aprendizaje extremo.
• Keywords:Fault diagnosis; rolling bearing; dual tree complex wavelet packet transform; improved multiscale permutation entropy; linear local tangent space alignment; extreme learning machine