Gaussian processes in ball bearing prognostics

• Juan Fernando López-López ^[1] ; Jhouben Janyk Cuesta-Ramirez ^[2] ; Hector Fabio Quintero-Riaza ^[3]
  1. [1] Universidad Católica de Pereira

     Universidad Católica de Pereira

     Colombia

     
  2. [2] Corporación Universitaria Minuto de Dios

     Corporación Universitaria Minuto de Dios

     Colombia

     
  3. [3] Universidad Tecnológica de Pereira

     Universidad Tecnológica de Pereira

     Colombia

     

  Mostrar afiliaciones +
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 84, Nº. 203, 2017, págs. 214-219
• Idioma: inglés
• Títulos paralelos:
  • Procesos gaussianos en el pronóstico de vida útil en rodamientos de bolas
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este trabajo combina el análisis de vibraciones con la regresión gaussiana para realizar el pronóstico de vida útil en rodamientos de bolas. La base de datos es suministrada por “The Prognostics Data Repository” de la NASA, esta base de datos muestra la evolución defalla en rodamientos de bolas. Se extraen múltiples características en tiempo y en frecuencia a partir de la señal de vibración, y finalmente una de ellas es empleada como entrada del proceso Gausiano y se describe, mediante una estrategia probabilística, la evolución de lafalla en el sistema. En este trabajo no se utilizan algoritmos dereducción de la dimensionalidad, solamente se evalúa la tendencia de las características en función de la evolución de la falla como método de selección.Esta base de datos fue usada en el 2012 en un concurso de clasificación organizado por la IEEE. Aunque este trabajo no tiene los mejores resultados de clasificación, si presenta una metodología de análisis mucho más simple que la mayoría de los concursantes y aplicable a un esquema de análisis y clasificación on-line.

  • English

    In this work, vibration analysis and Gaussian Processes techniques are used in useful life prognostics of ball bearings. The database is provided by The Prognostics Data Repository from NASA, and shows the failure evolution in ball bearings. The data basis also provides training and validation data sets for ball bearing useful life prediction. Several time and frequency characteristics are extracted from ball bearing vibration signals for trending analysis, and finally one of these is taken as input for the Gaussian process and describe, with aprobabilistic strategy, the failure evolution system. No dimensionality reduction algorithm is used in this paper, only the evaluation of trends in failure evolution is taken for decision. This data basis was used in 2012 IEEE classification contest. Several participants used classification techniques based on time-frequency transformation and Artificial Intelligence algorithms butnone of them used Gaussian Processes in a classification scheme. Although, the present work does not have the best results in classification it does show a major simplicity in formulation and implementation than most of the classification schemes.