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...
- 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
| 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. |
|---|