Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración
El monitoreo de condición de motores de combustión interna (MCI) facilita que las operaciones del sector industrial moderno sean más rentables. En este sentido, las señales de vibración comúnmente son empleadas como un enfoque no invasivo para el análisis de MCI. Sin embargo, el monitoreo de MCI bas...
- Autores:
-
Hernández-Muriel, José Alberto
Álvarez-Meza, Andrés Marino
Echeverry-Correa, Julián David
Orozco-Gutierrez, Álvaro Ángel
Álvarez-López, Mauricio Alexánder
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2017
- Institución:
- Instituto Tecnológico Metropolitano
- Repositorio:
- Repositorio ITM
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.itm.edu.co:20.500.12622/1013
- Acceso en línea:
- https://revistas.itm.edu.co/index.php/tecnologicas/article/view/698
http://hdl.handle.net/20.500.12622/1013
- Palabra clave:
- Motores de combustión interna
señales de vibración
características multi-dominio
análisis de relevancia
selección de características
Internal combustion engines
vibration signal
multi-domain features
relevance analysis
feature selection
- Rights
- License
- https://creativecommons.org/licenses/by/3.0/deed.es_ES
id |
RepoITM2_5da1c90661d1a527667e41e7d12f97ca |
---|---|
oai_identifier_str |
oai:repositorio.itm.edu.co:20.500.12622/1013 |
network_acronym_str |
RepoITM2 |
network_name_str |
Repositorio ITM |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
dc.title.alternative.none.fl_str_mv |
Feature relevance estimation for vibration-based condition monitoring of an internal combustion engine |
title |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
spellingShingle |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración Motores de combustión interna señales de vibración características multi-dominio análisis de relevancia selección de características Internal combustion engines vibration signal multi-domain features relevance analysis feature selection |
title_short |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
title_full |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
title_fullStr |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
title_full_unstemmed |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
title_sort |
Estimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibración |
dc.creator.fl_str_mv |
Hernández-Muriel, José Alberto Álvarez-Meza, Andrés Marino Echeverry-Correa, Julián David Orozco-Gutierrez, Álvaro Ángel Álvarez-López, Mauricio Alexánder |
dc.contributor.author.none.fl_str_mv |
Hernández-Muriel, José Alberto Álvarez-Meza, Andrés Marino Echeverry-Correa, Julián David Orozco-Gutierrez, Álvaro Ángel Álvarez-López, Mauricio Alexánder |
dc.subject.spa.fl_str_mv |
Motores de combustión interna señales de vibración características multi-dominio análisis de relevancia selección de características |
topic |
Motores de combustión interna señales de vibración características multi-dominio análisis de relevancia selección de características Internal combustion engines vibration signal multi-domain features relevance analysis feature selection |
dc.subject.keywords.eng.fl_str_mv |
Internal combustion engines vibration signal multi-domain features relevance analysis feature selection |
description |
El monitoreo de condición de motores de combustión interna (MCI) facilita que las operaciones del sector industrial moderno sean más rentables. En este sentido, las señales de vibración comúnmente son empleadas como un enfoque no invasivo para el análisis de MCI. Sin embargo, el monitoreo de MCI basado en vibraciones presenta un desafío relacionado con las propiedades de la señal, la cual es altamente dinámica y noestacionaria, sin mencionar las diversas fuentes presentes durante el proceso de combustión. En este artículo, se propone una estrategia de análisis de relevancia orientada al monitoreo de MCI basado en vibraciones. Este enfoque incorpora tres etapas principales: descomposición de la señal utilizando un algoritmo de Ensemble Empirical Mode Decomposition, estimación de parámetros multi-dominio desde representaciones en tiempo y frecuencia, y una selección supervisada de características basada en Relief-F. Así, las señales de vibración se descomponen utilizando un análisis auto-adaptativo para representar la no-linealidad y no-estacionariedad de las series de tiempo. Luego, para codificar dinámicas complejas y/o no estacionarias, se calculan algunos parámetros en el dominio del tiempo y de la frecuencia. Posteriormente, se calcula un vector de índice de relevancia para cuantificar la contribución de cada una de las características multidominio para discriminar diferentes categorías de estimación de mezcla de combustible y diagnóstico de MCI. Los resultados de clasificación obtenidos (cercanos al 98% de acierto) en una base de datos de MCI, revelan como la propuesta planteada identifica un subconjunto de características relevantes en el monitorio de condición de MCI. |
publishDate |
2017 |
dc.date.issued.none.fl_str_mv |
2017-05-02 |
dc.date.accessioned.none.fl_str_mv |
2019-07-18T14:13:13Z 2019-08-22T13:53:38Z |
dc.date.available.none.fl_str_mv |
2019-07-18T14:13:13Z 2019-08-22T13:53:38Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.eng.fl_str_mv |
Research Papers |
dc.type.spa.fl_str_mv |
Artículos de investigación |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
format |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.none.fl_str_mv |
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/698 10.22430/22565337.698 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12622/1013 |
url |
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/698 http://hdl.handle.net/20.500.12622/1013 |
identifier_str_mv |
10.22430/22565337.698 |
dc.language.iso.none.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/698/680 |
dc.relation.ispartofjournal.none.fl_str_mv |
TecnoLógicas |
dc.rights.spa.fl_str_mv |
https://creativecommons.org/licenses/by/3.0/deed.es_ES |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/3.0/deed.es_ES http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Instituto Tecnológico Metropolitano (ITM) |
dc.source.none.fl_str_mv |
2256-5337 0123-7799 |
dc.source.eng.fl_str_mv |
TecnoLógicas; Vol 20 No 39 (2017); 157-172 |
dc.source.spa.fl_str_mv |
TecnoLógicas; Vol. 20 Núm. 39 (2017); 157-172 |
institution |
Instituto Tecnológico Metropolitano |
bitstream.url.fl_str_mv |
https://dspace-itm.metabuscador.org/bitstreams/ea9f8508-9b2f-423d-b97c-16f700dfa4a1/download https://dspace-itm.metabuscador.org/bitstreams/59decff2-88c9-4d7d-babf-3f2f7f6093c4/download https://dspace-itm.metabuscador.org/bitstreams/02cf23bd-8397-495f-a6d6-83b30733979e/download |
bitstream.checksum.fl_str_mv |
a3145f0fd424076dcc20e8af395091c9 cc3e81daeb370d99621cac272f87f587 477713200d772da7c15a982cd5e06086 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Instituto Tecnológico Metropolitano de Medellín |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1837096899976364032 |
spelling |
Hernández-Muriel, José AlbertoÁlvarez-Meza, Andrés MarinoEcheverry-Correa, Julián DavidOrozco-Gutierrez, Álvaro ÁngelÁlvarez-López, Mauricio Alexánder2019-07-18T14:13:13Z2019-08-22T13:53:38Z2019-07-18T14:13:13Z2019-08-22T13:53:38Z2017-05-02https://revistas.itm.edu.co/index.php/tecnologicas/article/view/69810.22430/22565337.698http://hdl.handle.net/20.500.12622/1013El monitoreo de condición de motores de combustión interna (MCI) facilita que las operaciones del sector industrial moderno sean más rentables. En este sentido, las señales de vibración comúnmente son empleadas como un enfoque no invasivo para el análisis de MCI. Sin embargo, el monitoreo de MCI basado en vibraciones presenta un desafío relacionado con las propiedades de la señal, la cual es altamente dinámica y noestacionaria, sin mencionar las diversas fuentes presentes durante el proceso de combustión. En este artículo, se propone una estrategia de análisis de relevancia orientada al monitoreo de MCI basado en vibraciones. Este enfoque incorpora tres etapas principales: descomposición de la señal utilizando un algoritmo de Ensemble Empirical Mode Decomposition, estimación de parámetros multi-dominio desde representaciones en tiempo y frecuencia, y una selección supervisada de características basada en Relief-F. Así, las señales de vibración se descomponen utilizando un análisis auto-adaptativo para representar la no-linealidad y no-estacionariedad de las series de tiempo. Luego, para codificar dinámicas complejas y/o no estacionarias, se calculan algunos parámetros en el dominio del tiempo y de la frecuencia. Posteriormente, se calcula un vector de índice de relevancia para cuantificar la contribución de cada una de las características multidominio para discriminar diferentes categorías de estimación de mezcla de combustible y diagnóstico de MCI. Los resultados de clasificación obtenidos (cercanos al 98% de acierto) en una base de datos de MCI, revelan como la propuesta planteada identifica un subconjunto de características relevantes en el monitorio de condición de MCI.Condition monitoring of Internal Combustion Engines (ICE) benefits cost-effective operations in the modern industrial sector. Because of this, vibration signals are commonly monitored as part of a non-invasive approach to ICE analysis. However, vibration-based ICE monitoring poses a challenge due to the properties of this kind of signals. They are highly dynamic and non-stationary, let alone the diverse sources involved in the combustion process. In this paper, we propose a feature relevance estimation strategy for vibration-based ICE analysis. Our approach is divided into three main stages: signal decomposition using an Ensemble Empirical Mode Decomposition algorithm, multi-domain parameter estimation from time and frequency representations, and a supervised feature selection based on the Relief-F technique. Accordingly, we decomposed the vibration signals by using self-adaptive analysis to represent nonlinear and non-stationary time series. Afterwards, time and frequency-based parameters were calculated to code complex and/or non-stationary dynamics. Subsequently, we computed a relevance vector index to measure the contribution of each multi-domain feature to the discrimination of different fuel blend estimation/diagnosis categories for ICE. In particular, we worked with an ICE dataset collected from fuel blends under normal and fault scenarios at different engine speeds to test our approach. Our classification results presented nearly 98% of accuracy after using a k-Nearest Neighbors machine. They reveal the way our approach identifies a relevant subset of features for ICE condition monitoring. One of the benefits is the reduced number of parameters.application/pdfengInstituto Tecnológico Metropolitano (ITM)https://revistas.itm.edu.co/index.php/tecnologicas/article/view/698/680TecnoLógicashttps://creativecommons.org/licenses/by/3.0/deed.es_EShttp://purl.org/coar/access_right/c_abf22256-53370123-7799TecnoLógicas; Vol 20 No 39 (2017); 157-172TecnoLógicas; Vol. 20 Núm. 39 (2017); 157-172Motores de combustión internaseñales de vibracióncaracterísticas multi-dominioanálisis de relevanciaselección de característicasInternal combustion enginesvibration signalmulti-domain featuresrelevance analysisfeature selectionEstimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibraciónFeature relevance estimation for vibration-based condition monitoring of an internal combustion engineinfo:eu-repo/semantics/articleResearch PapersArtículos de investigaciónhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85PublicationORIGINAL698-Manuscrito-986-1-10-20180411.pdf698-Manuscrito-986-1-10-20180411.pdfapplication/pdf1498441https://dspace-itm.metabuscador.org/bitstreams/ea9f8508-9b2f-423d-b97c-16f700dfa4a1/downloada3145f0fd424076dcc20e8af395091c9MD51trueAnonymousREADTHUMBNAIL698-Manuscrito-986-1-10-20180411.pdf.jpg698-Manuscrito-986-1-10-20180411.pdf.jpgGenerated Thumbnailimage/jpeg5793https://dspace-itm.metabuscador.org/bitstreams/59decff2-88c9-4d7d-babf-3f2f7f6093c4/downloadcc3e81daeb370d99621cac272f87f587MD52falseAnonymousREADTEXT698-Manuscrito-986-1-10-20180411.pdf.txt698-Manuscrito-986-1-10-20180411.pdf.txtExtracted texttext/plain51174https://dspace-itm.metabuscador.org/bitstreams/02cf23bd-8397-495f-a6d6-83b30733979e/download477713200d772da7c15a982cd5e06086MD53falseAnonymousREAD20.500.12622/1013oai:dspace-itm.metabuscador.org:20.500.12622/10132025-06-24 09:26:08.835open.accesshttps://dspace-itm.metabuscador.orgRepositorio Instituto Tecnológico Metropolitano de Medellínbdigital@metabiblioteca.com |