Exclusivo BibloRed
Otros

Fault Diagnosis of Rotating Machinery Based on Multisensor Information Fusion Using SVM and Time-Domain Features

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Autor
Año de publicación 2014
Idioma Inglés
Publicado por Revista VirtualPRO,

Descripción: La fusión de información multisensorial, cuando se aplica al diagnóstico de fallas, amplía el alcance temporal-espacial y la cantidad de información en comparación con lo que podría ser adquirido por un solo sensor, por lo que el objeto de diagnóstico puede ser descrito de manera más completa. Este artículo presenta una metodología de diagnóstico de fallas en maquinaria rotativa utilizando fusión de información multisensorial en la que todas las características se calculan utilizando datos de vibración en el dominio temporal para constituir un vector fusional y se utiliza la máquina de vectores de soporte (SVM) para la clasificación. La efectividad de la metodología presentada se prueba mediante tres estudios de caso: diagnóstico de engranaje defectuoso, rodamiento rodante e identificación de grieta en el rotor. Para cada estudio de caso, se analizan las sensibilidades de las características. Los resultados indican que el factor pico es la característica más sensible en las doce características de dominio temporal para identificar defectos en el engranaje, y la media, amplitud cuadrada, raíz cuadr
Citación recomendada (normas APA)
: Hindawi Publishing Corporation, "Fault Diagnosis of Rotating Machinery Based on Multisensor Information Fusion Using SVM and Time-Domain Features", -:Revista VirtualPRO,, 2014. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3937239/), el día 2025-06-08.

Información adicional

Fuente Revista Virtual Pro
Términos y condiciones de uso Más información aquí
Año de publicación 2014

Fault Diagnosis of Rotating Machinery Based on Multisensor Information Fusion Using SVM and Time-Domain Features

Información adicional

Mis colecciones

¿Eliminar esta reseña?