Current based feature engineering for bearing fault machine learning algorithms
En este trabajo se hizo un estudio sobre posibles features para machine learning en la detección de fallas en motores de inducción usando la corriente. En la ingeniería de los features se centro en transformadas en el dominio de la frecuencia. Se encontró que es posible detectar fallas usando estos...
- Autores:
-
Rodríguez Pardo, Julián
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/45610
- Acceso en línea:
- http://hdl.handle.net/1992/45610
- Palabra clave:
- Motores eléctricos de inducción
Aprendizaje automático (Inteligencia artificial)
Fallas de sistemas (Ingeniería)
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_9490a650485f99743a9bc23581e566e1 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/45610 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Barbieri, Giacomo46cb3350-809e-499b-bc6b-e9edbde63fe0600Rodríguez Pardo, Juliána7e48c31-a402-4ed5-8543-468f166b701a6002020-09-03T16:07:40Z2020-09-03T16:07:40Z2019http://hdl.handle.net/1992/45610u827759.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En este trabajo se hizo un estudio sobre posibles features para machine learning en la detección de fallas en motores de inducción usando la corriente. En la ingeniería de los features se centro en transformadas en el dominio de la frecuencia. Se encontró que es posible detectar fallas usando estos métodos. No obstante es necesario hacer ciertos pasos de pre-procesamiento después de hacer un fast fourier transform.In the current work a study about possible features for fault detection in an induction motor can be used for machine learning using the supply current. For this feature engineering was done to mainly transform the current signal into the frequency signal using a fast fourier transform. In this paper it was found that the current signal is a useful feature for machine learning. However certain procesing of the data needs to be done in order to reveal the diferences between a healthy and a faulty bearing.Ingeniero MecánicoPregrado23 hojasapplication/pdfengUniversidad de los AndesIngeniería MecánicaFacultad de IngenieríaDepartamento de Ingeniería Mecánicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaCurrent based feature engineering for bearing fault machine learning algorithmsTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPMotores eléctricos de inducciónAprendizaje automático (Inteligencia artificial)Fallas de sistemas (Ingeniería)IngenieríaPublicationTEXTu827759.pdf.txtu827759.pdf.txtExtracted texttext/plain27952https://repositorio.uniandes.edu.co/bitstreams/1622e56f-6ea1-4e01-88a0-8c40c6de44a0/downloaddc37445048ca4e686133f4d7240c927fMD54ORIGINALu827759.pdfapplication/pdf5061830https://repositorio.uniandes.edu.co/bitstreams/b296cb77-fe1f-48f8-a1d4-7ad1545798e9/download737ad87ff9f640de8d73bc5892a105e2MD51THUMBNAILu827759.pdf.jpgu827759.pdf.jpgIM Thumbnailimage/jpeg10953https://repositorio.uniandes.edu.co/bitstreams/69728703-2d82-46d8-aa19-4e8bb6b35342/downloadafd12cf66cc63d2b9bab8d5aa8278478MD551992/45610oai:repositorio.uniandes.edu.co:1992/456102023-10-10 19:01:38.627https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
| dc.title.es_CO.fl_str_mv |
Current based feature engineering for bearing fault machine learning algorithms |
| title |
Current based feature engineering for bearing fault machine learning algorithms |
| spellingShingle |
Current based feature engineering for bearing fault machine learning algorithms Motores eléctricos de inducción Aprendizaje automático (Inteligencia artificial) Fallas de sistemas (Ingeniería) Ingeniería |
| title_short |
Current based feature engineering for bearing fault machine learning algorithms |
| title_full |
Current based feature engineering for bearing fault machine learning algorithms |
| title_fullStr |
Current based feature engineering for bearing fault machine learning algorithms |
| title_full_unstemmed |
Current based feature engineering for bearing fault machine learning algorithms |
| title_sort |
Current based feature engineering for bearing fault machine learning algorithms |
| dc.creator.fl_str_mv |
Rodríguez Pardo, Julián |
| dc.contributor.advisor.none.fl_str_mv |
Barbieri, Giacomo |
| dc.contributor.author.none.fl_str_mv |
Rodríguez Pardo, Julián |
| dc.subject.armarc.es_CO.fl_str_mv |
Motores eléctricos de inducción Aprendizaje automático (Inteligencia artificial) Fallas de sistemas (Ingeniería) |
| topic |
Motores eléctricos de inducción Aprendizaje automático (Inteligencia artificial) Fallas de sistemas (Ingeniería) Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
En este trabajo se hizo un estudio sobre posibles features para machine learning en la detección de fallas en motores de inducción usando la corriente. En la ingeniería de los features se centro en transformadas en el dominio de la frecuencia. Se encontró que es posible detectar fallas usando estos métodos. No obstante es necesario hacer ciertos pasos de pre-procesamiento después de hacer un fast fourier transform. |
| publishDate |
2019 |
| dc.date.issued.none.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T16:07:40Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T16:07:40Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/45610 |
| dc.identifier.pdf.none.fl_str_mv |
u827759.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/45610 |
| identifier_str_mv |
u827759.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
eng |
| language |
eng |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
23 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Mecánica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Mecánica |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/1622e56f-6ea1-4e01-88a0-8c40c6de44a0/download https://repositorio.uniandes.edu.co/bitstreams/b296cb77-fe1f-48f8-a1d4-7ad1545798e9/download https://repositorio.uniandes.edu.co/bitstreams/69728703-2d82-46d8-aa19-4e8bb6b35342/download |
| bitstream.checksum.fl_str_mv |
dc37445048ca4e686133f4d7240c927f 737ad87ff9f640de8d73bc5892a105e2 afd12cf66cc63d2b9bab8d5aa8278478 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134030526644224 |