Detección de fallas en bombas hidráulicas usando máquinas de soporte vectorial y metodos estadísticos
No Thumbnail Available
Date
2017
Authors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El objetivo principal de este trabajo consiste en implementar técnicas avanzadas de detección y diagnóstico de fallas basándose en sistemas de aprendizaje, particularmente usar métodos estadísticos (análisis de componentes principales) y sistemas de aprendizaje (máquinas de soporte vectorial) para la detección y diagnóstico de fallas por perdida de eficiencia volumétrica debida a desgaste en el plato de válvulas en una bomba de pistones axiales, a través del uso de señales de vibración y presión utilizando un banco de pruebas en el cual se indujo la falla en cinco condiciones de severidad y una carga específica. El algoritmo de PCA se implementa para reducir la dimensión de los datos en el dominio del tiempo y luego de eliminar el ruido transformarlos nuevamente al espacio original lo cual permite detectar la existencia de la falla, luego algunos parámetros estadísticos son implementados para la extracción de las características del set de datos, estos se utilizaron para entrenar el algoritmo SVM multiclase uno contra el resto y usando validación cruzada se determinaron los parámetros óptimos y con los cuales se funda la arquitectura del modelo final para el entrenamiento del algoritmo SVM multiclase uno contra uno y el mejor desempeño en cuanto a precisión y tiempo de procesamiento se obtuvo con los Kernel lineal y RBF.
Description
Keywords
Bomba De Pistones Axiales, Detección Y Diagnóstico De Fallas, Máquinas De Aprendizaje, Vibraciones Mecánicas.