Aplicación de Técnicas de Aprendizaje Automático a la Diagnosis de Sistemas Mecánicos

Junquera Meana, Enrique, Rubio Alonso, Higinio, Bustos Caballero, Alejandro y Soriano Heras, Enrique(2022) .Aplicación de Técnicas de Aprendizaje Automático a la Diagnosis de Sistemas Mecánicos. XV Congreso Iberoamericano de Ingeniería Mecánica.En: Universidad Politécnica de Madrid. (2022-11-22)

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Abs_290_186092.docx Aplicación de Técnicas de Aprendizaje Automático Click to show the corresponding preview/stream application/vnd.openxmlf... 2.70MB

Título de la Conferencia XV Congreso Iberoamericano de Ingeniería Mecánica
Fecha de inicio de la Conferencia 2022-11-22
Fecha fín de la Conferencia 2022-11-24
Lugar de la Conferencia Universidad Politécnica de Madrid
Fecha de presentación de la Ponencia 2022
Titulo Aplicación de Técnicas de Aprendizaje Automático a la Diagnosis de Sistemas Mecánicos
Autor(es) Junquera Meana, Enrique
Rubio Alonso, Higinio
Bustos Caballero, Alejandro
Soriano Heras, Enrique
Materia(s) Ingeniería Mecánica
Resumen En la actualidad, y como consecuencia de la evolución de la cuarta revolución industrial o Industria 4.0, se dispone de una cada vez mayor abundancia de información de todo tipo. Así el presente trabajo tiene como objetivo principal la aplicación de técnicas de aprendizaje automático a la clasificación de señales de vibraciones procedentes de rodamientos de bolas, de forma que permita identificar con precisión los defectos presentes en sus componentes. El estudio se ha realizado mediante el uso de un algoritmo de aprendizaje supervisado, en particular, una adaptación y particularización del conocido como SVM Support Vector Machine mediante la aplicación MATLAB, para el tratamiento de las señales que se han adquirido en banco de pruebas.
Abstract Nowadays, as a consequence of the fourth industrial revolution or Industry 4.0 evolution, there is an increasing abundance of information of all kinds, so this work has as its main objective the application of automatic learning techniques to the classification of vibration signals from ball bearings, in such a way that they allow accurately identify present defects in their components. The study has been carried out through the use of a supervised learning algorithm, in particular, an adaptation and particularization of the one known as SVM Support Vector Machine through the MATLAB application, for the processing of the signals that have been acquired in a test bench.
Palabra clave machine learning
máquinas de soporte vectorial
defectos rodamientos
MATLAB
vibraciones
Editor(es) Universidad Nacional de Educación a Distancia (España)
Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Fecha 2022
Formato application/ms-word
Identificador bibliuned:congresoCIBIM-2022UPMEspana-Ejunquera
https://doi.org/10.5944/bicim2022.205
http://e-spacio.uned.es/fez/view/bibliuned:congresoCIBIM-2022UPMEspana-Ejunquera
Idioma spa
Versión de la publicación publishedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso conferenceObject
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 157 Visitas, 26 Descargas  -  Estadísticas en detalle
Creado: Tue, 17 Jan 2023, 19:42:39 CET