High Frequency Acceleration Envelope Power Spectrum for Fault Diagnosis on Journal Bearing using DEWESOFT

Babu, T. Narendiranath; Raj, T. Manvel; Lakshmanan, T.

doi:10.19026/rjaset.8.1088

Cited by 3 publications

(1 citation statement)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hasta ahora los trabajos desarrollados para diagnosticar chumaceras utilizan solo variables cuantitativas que son procesadas utilizando redes neuronales artificiales (ANN), análisis discriminante de Fisher (FDA), máquinas de soporte vectorial (SVM) y K vecinos cercanos (KNN) [9][10][11][12][13], aspecto que limita la efectividad de las técnicas desarrolladas.…”

Section: Introductionunclassified

Selección de variables relacionadas con fallos de chumaceras aplicando reconocimiento lógico combinatorio de patrones

Gómez

Montero

Gomez-Mancilla

2020

Ingeniare. Rev. chil. ing.

View full text Add to dashboard Cite

En el diagnóstico de fallos de chumaceras actualmente no se considera el conocimiento experto expresado en variables no numéricas, a pesar de constituir una fuente de información importante. Este trabajo se desarrolló con el objetivo de identificar los rasgos más relevantes para clasificar un grupo de fallos ocurridos en las chumaceras de una turbina de vapor. Las variables que soportan el trabajo corresponden a los datos almacenados en reportes de diagnóstico y mantenimiento de una termoeléctrica en explotación. Las técnicas aplicadas para procesar los datos cuantitativos y cualitativos son herramientas de reconocimiento lógico combinatorio de patrones (RLCP). Se determinó la confusión de los rasgos del conjunto inicial y posteriormente los testores y testores típicos, y se calculó el peso informacional de los rasgos. Los resultados alcanzados mostraron que la relevancia de los rasgos cualitativos presentes en la descripción de los fallos es superior a la de los rasgos numéricos típicamente empleados.

show abstract

Section: Introductionunclassified