En el desarrollo de la Tesis se evalúan diversas técnicas de diagnóstico de fallos conducidas por datos, los cuales constan habitualmente de tres partes bien definidas: Adquisición de los Datos, Extracción de Características y Sistema Inteligente de Decisión o Clasificación. La elección de la instrumentación y de la normalización de las medidas, así como los métodos usados en la extracción de características son de gran trascendencia en este tipo de métodos y de ellos depende el funcionamiento de los métodos de diagnóstico.
La aportación innovadora de esta Tesis se centra en la detección de fallos, mediante el análisis de vibraciones locales, en rodamientos de bolas (REB, Rolling Element Bearings) utilizando un número de muestras muy reducido (inferior a las que se obtienen en un giro completo de un eje), pre-procesar la sefial al objeto de eliminar el ruido para favorecer la detectabilidad del fallo y utilizar un nuevo método desarrollado en la Tesis para la extracción de las características; dicho método, transforma una señal de vibración en una imagen, al objeto de extraer aquellas características que contribuyen en la detección de la firma del fallo en REB mediante la aplicación de técnicas estadísticas aplicadas a parámetros que se definen en geometría del plano, y de técnicas de procesado de imagen.
A partir de este punto, se pasará al apartado de Clasificación empleando Redes Neuronales, haciendo una comparativa estadística de la clasificación de aquellas señales con presencia de un fallo especifico a partir de las diferentes señales procesadas con las técnicas de extracción de características anteriormente comentadas. El objetivo es verificar una correcta clasificación de fallos con un algoritmo de procesado de señal sencillo y con un número de muestras muy reducido.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados