Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico
<p align="justify">En este artículo se presenta un análisis de vibraciones en motores de inducción por medio de Modelos Ocultos de Markov (Hidden Markov Model - HMM) aplicado a características obtenidas de la Descomposición de Modo Empírico (Empirical Mode Decomposition - EMD) y tran...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | Spanish |
Published: |
Universidad Distrital Francisco Jose de Caldas
2015-04-01
|
Series: | Tecnura |
Online Access: | http://revistas.udistrital.edu.co/ojs/index.php/Tecnura/article/view/8355 |
id |
doaj-4f877545e8cd4d2e8d3935c44e6106a1 |
---|---|
record_format |
Article |
spelling |
doaj-4f877545e8cd4d2e8d3935c44e6106a12020-11-24T22:10:47ZspaUniversidad Distrital Francisco Jose de CaldasTecnura2248-76380123-921X2015-04-011944839210.14483/udistrital.jour.tecnura.2015.2.a066936Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empíricoAlejandro Rivera Roldán0Miguel Alberto Becerra Botero1Jaime Alberto Guzmán Luna2Institución Universitaria Salazar y HerreraInstitución Universitaria Salazar y HerreraUniversidad Nacional de Colombia sede Medellín<p align="justify">En este artículo se presenta un análisis de vibraciones en motores de inducción por medio de Modelos Ocultos de Markov (Hidden Markov Model - HMM) aplicado a características obtenidas de la Descomposición de Modo Empírico (Empirical Mode Decomposition - EMD) y transformada de Hilbert-Huang de señales de vibración obtenidas en las coordenadas <em>x</em> y <em>y, </em>con el fin de detectar fallas de funcionamiento en rodamientos y barras. Además se presenta un análisis comparativo de la capacidad de las señales de vibración en dirección <em>x</em> y en dirección <em>y,</em> para aportar información en la detección de fallas. Así, un HMM ergódico inicializado y entrenado por medio del algoritmo de máxima esperanza, con convergencia en 10e-7 y un máximo de iteraciones de 100, se aplicó sobre el espacio de características y su desempeño fue determinado mediante validación cruzada 80-20 con 30 <em>fold,</em> obteniendo un alto desempeño para la detección de fallas en términos de exactitud.</p>http://revistas.udistrital.edu.co/ojs/index.php/Tecnura/article/view/8355 |
collection |
DOAJ |
language |
Spanish |
format |
Article |
sources |
DOAJ |
author |
Alejandro Rivera Roldán Miguel Alberto Becerra Botero Jaime Alberto Guzmán Luna |
spellingShingle |
Alejandro Rivera Roldán Miguel Alberto Becerra Botero Jaime Alberto Guzmán Luna Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico Tecnura |
author_facet |
Alejandro Rivera Roldán Miguel Alberto Becerra Botero Jaime Alberto Guzmán Luna |
author_sort |
Alejandro Rivera Roldán |
title |
Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
title_short |
Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
title_full |
Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
title_fullStr |
Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
title_full_unstemmed |
Análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
title_sort |
análisis estocástico de señales vibratorias de motores de inducción para la detección de fallas usando descomposición de modo empírico |
publisher |
Universidad Distrital Francisco Jose de Caldas |
series |
Tecnura |
issn |
2248-7638 0123-921X |
publishDate |
2015-04-01 |
description |
<p align="justify">En este artículo se presenta un análisis de vibraciones en motores de inducción por medio de Modelos Ocultos de Markov (Hidden Markov Model - HMM) aplicado a características obtenidas de la Descomposición de Modo Empírico (Empirical Mode Decomposition - EMD) y transformada de Hilbert-Huang de señales de vibración obtenidas en las coordenadas <em>x</em> y <em>y, </em>con el fin de detectar fallas de funcionamiento en rodamientos y barras. Además se presenta un análisis comparativo de la capacidad de las señales de vibración en dirección <em>x</em> y en dirección <em>y,</em> para aportar información en la detección de fallas. Así, un HMM ergódico inicializado y entrenado por medio del algoritmo de máxima esperanza, con convergencia en 10e-7 y un máximo de iteraciones de 100, se aplicó sobre el espacio de características y su desempeño fue determinado mediante validación cruzada 80-20 con 30 <em>fold,</em> obteniendo un alto desempeño para la detección de fallas en términos de exactitud.</p> |
url |
http://revistas.udistrital.edu.co/ojs/index.php/Tecnura/article/view/8355 |
work_keys_str_mv |
AT alejandroriveraroldan analisisestocasticodesenalesvibratoriasdemotoresdeinduccionparaladetecciondefallasusandodescomposiciondemodoempirico AT miguelalbertobecerrabotero analisisestocasticodesenalesvibratoriasdemotoresdeinduccionparaladetecciondefallasusandodescomposiciondemodoempirico AT jaimealbertoguzmanluna analisisestocasticodesenalesvibratoriasdemotoresdeinduccionparaladetecciondefallasusandodescomposiciondemodoempirico |
_version_ |
1725806724081778688 |