Diagnóstico de fallos en cajas de engranajes mediante la aplicación de diferentes técnicas de inteligencia artificial

Sánchez Loja, René Vinicio. Diagnóstico de fallos en cajas de engranajes mediante la aplicación de diferentes técnicas de inteligencia artificial . 2017. Universidad Nacional de Educación a Distancia (España). Escuela Internacional de Doctorado. Programa de Doctorado en Tecnologías Industriales

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
SANCHEZ_LOJA_ReneVinicio_Tesis.pdf Full text (open access) application/pdf 3.13MB

Título Diagnóstico de fallos en cajas de engranajes mediante la aplicación de diferentes técnicas de inteligencia artificial
Autor(es) Sánchez Loja, René Vinicio
Resumen Las cajas de engranajes son vitales en la transmisión de movimiento en maquinaria industrial, un diagnóstico adecuado de las mismas es altamente demandado por la influencia en la economía de la empresa, al reducir costos operacionales, apoyar en las decisiones de mantenimiento y mejorar el nivel de seguridad. En el presente trabajo se realizó el diagnóstico fallos en cajas de engranajes basados el análisis de señales de vibración mediante la aplicación de diferentes técnicas de inteligencia artificial. Para ello se establecieron cuatro bases de datos, tres bases de datos de señales de vibración se adquirieron en el laboratorio y una cuarta base de datos pública; dos bases fueron en engranajes rectos y una en engranajes helicoidales, la cuarta base de datos combina engranajes rectos y helicoidales. Posteriormente a cada señal de las bases de datos se le extrajo los atributos en los dominios del tiempo, frecuencia y tiempo-frecuencia; luego se desarrollaron tres sistemas de diagnóstico: el sistema uno, se evaluó mediante pruebas estadísticas el mejor clasificador entre cuatro redes neuronales y random forest, el sistema dos, se evaluó el mejor clasificador del sistema uno con el clasificador de máquinas de soporte vectorial y una red neuronal, el sistema tres, evaluó como los atributos y su dominio influye en el resultado del clasificador random forest. Tras la ejecución de la pruebas en los sistemas de diagnóstico se determinó que random forest fue la técnica de inteligencia artificial que mejor desempeño tuvo para la clasificación de fallos en las cajas de engranajes.
Abstract Gearboxes are vital in the transmission of movement in industrial machinery, an adequate diagnosis is highly demanded by the influence in the economy of the company, to reduce operational costs, support maintenance decisions, and improve the safety level. In the present work the diagnosis was made in gearbox failures based analysis of vibration signals through the application of different techniques of artificial intelligence. For this purpose, four databases were established, three databases of vibration signals were acquired in the laboratory and a fourth public database; two bases were in spur gears, and one in helical gears, the fourth database combines spur and helical gears. Subsequently to each signal of the databases the attributes were extracted in the domains of time, frequency and time-frequency; then three diagnostic systems were developed: system one, evaluated through statistical tests the best classifier between four neural networks and random forest, system two, evaluated the best classifier of system one with the classifier of vector support machines and a neural network, the system three evaluated as attributes and domain influences the result of the random forest classifier. After the execution of the tests in the diagnostic systems it was determined that random forest was the technique of artificial intelligence that had better performance for the classification of faults in the gearboxes.
Materia(s) Ingeniería Industrial
Palabras clave caja de engranajes
diagnóstico de fallos
señal de vibración
inteligencia artificial
monitoreo de la condición
gearbox
fault diagnosis
vibration signal
artificial intelligence
condition monitoring
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Internacional de Doctorado. Programa de Doctorado en Tecnologías Industriales
Director de tesis Artés Gómez, Mariano
Fecha 2017-07-19
Formato application/pdf
Identificador tesisuned:ED-Pg-TecInd-Rvsanchez
http://e-spacio.uned.es/fez/view/tesisuned:ED-Pg-TecInd-Rvsanchez
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 1011 Visitas, 954 Descargas  -  Estadísticas en detalle
Creado: Wed, 30 May 2018, 18:36:49 CET