Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Borras Pinilla, CarlosDiaz, PedroMaradey Lazaro, Jessica Gissella2024-03-0320172024-03-0320172017https://noesis.uis.edu.co/handle/20.500.14071/37150El trabajo descrito en este documento consistió en establecer una metodología para el diagnóstico de la falla de desgaste de plato de válvula en una bomba hidráulica de pistones axiales usando un banco de pruebas de 40HP de potencia, en el cual se indujeron 5 condiciones de falla asociadas con la pérdida de eficiencia volumétrica de la bomba. A partir de las señales de vibración y presión tomadas de la bomba en operación normal y operación de falla, se realizó análisis preliminar de las señales (corrección línea base, eliminación de tendencias, filtrado), las gráficas espectrales (Spectral Density Power, PSD) de cada una de las condiciones, la extracción de características mediante el uso de Wavelet Packet Transform (WPT), y por último el diseño de diferentes arquitecturas de red neuronal (NN) tales como Adaline, multilayer perceptron de una capa y dos capas, y dos redes no lineares, las cuales fueron entrenadas y validadas. Adicionalmente se implementó una técnica para selección de características de acuerdo a su significancia la cual es conocida Independent Features La metodología propuesta presenta resultados satisfactorios en las tareas de detección, clasificación y diagnóstico de la falla de desgaste de plato de válvula para bombas de pistones axiales logrando una precisión en la etapa de entrenamiento del 100% y en la etapa de prueba del 95.8% tomando las señales de vibración y de 100% en ambas etapas tomando las señales de presión. ----------------------------------------------------------------------------------------------------application/pdfspahttp://creativecommons.org/licenses/by/4.0/Bomba De Pistones AxialesAnálisis WaveletDiagnóstico De FallasRedes NeuronalesMonitoreo De Condición.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coAxial Piston PumpWavelet AnalysisFault DiagnosisNeural NetworksCondition Monitoring.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)