Detección de fallas en bombas hidráulicas usando máquinas de soporte vectorial y metodos estadísticos

Simple item page
dc.contributor.advisorBorras Pinilla, Carlos
dc.contributor.advisorDiaz Guerrero, Pedro Jose
dc.contributor.authorDiaz Palencia, Fabian Horacio
dc.date.accessioned2024-03-03T23:28:40Z
dc.date.available2017
dc.date.available2024-03-03T23:28:40Z
dc.date.created2017
dc.date.issued2017
dc.description.abstractEl 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.
dc.description.abstractenglishThe main aim of this work is to implement advanced techniques for fault detection and diagnostic based on learning systems, particularly is to use statistical methods (principal component analysis) and learning systems (support vector machines) for failures detection and diagnosis due to loss of volumetric efficiency due to wear on the valve plate in an axial pistons pump, through use of vibration and pressure signals using a workbench in which the fault was induced in five conditions of severity and a specific load. The PCA algorithm was implemented to reduce the dimension of the data in the time domain and after eliminating the noise, transforming them again to the original space, which allows to detect the existence of the fault, then some statistical methods were implemented for the features extraction of the data set, this features were used to train the multiclass SVM algorithm one against the rest and using cross validation the optimal parameters were determined and the architecture of the final model was constructed for the training of the multiclass SVM algorithm one against one. And the best performance in terms of accuracy and processing time was obtained with the linear and RBF Kernel
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Mecánica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/37147
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectBomba De Pistones Axiales
dc.subjectDetección Y Diagnóstico De Fallas
dc.subjectMáquinas De Aprendizaje
dc.subjectVibraciones Mecánicas.
dc.subject.keywordAxial Piston Pump
dc.subject.keywordFailure Detection And Diagnostic
dc.subject.keywordSupport Vector Machines
dc.subject.keywordPrincipal Components Analysis And Mechanical Vibration.
dc.titleDetección de fallas en bombas hidráulicas usando máquinas de soporte vectorial y metodos estadísticos
dc.title.englishFault detection in hydraulics pumps based on support vector machine and principal components analysis3
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
213.4 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2.82 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
120.22 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Mecánica