Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional

Los métodos de machine learning han sido utilizados en el mantenimiento basado en la condición desde la aplicación de diferentes acercamientos a la extracción de características. En este trabajo, se propone una metodología para detección de fallas en maquinaria rotativa, que evita el proceso de extr...

Full description

Autores:
Ulloa Ríos, Federico
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34072
Acceso en línea:
http://hdl.handle.net/1992/34072
Palabra clave:
Fallas en maquinaria - Investigaciones
Aprendizaje automático (Inteligencia artificial)
Redes neuronales convolucionales
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
Description
Summary:Los métodos de machine learning han sido utilizados en el mantenimiento basado en la condición desde la aplicación de diferentes acercamientos a la extracción de características. En este trabajo, se propone una metodología para detección de fallas en maquinaria rotativa, que evita el proceso de extracción de características al obtener el espectrograma de la señal original y posteriormente utilizar redes neuronales convolucionales, además permite su entrenamiento fin a fin. Tres bases de datos diferentes fueron utilizadas para validar la metodología planteada, dos bases de datos se encuentran disponibles en-linea y una fue construida para este trabajo. La metodología planteada logra clasificar correctamente todas las categorías obteniendo un 100% de exactitud en las tres bases de datos, mostrando su capacidad y utilidad para la detección de fallas.