Persona: Bustos Caballero, Alejandro
Cargando...
Dirección de correo electrónico
ORCID
0000-0001-7513-6058
Fecha de nacimiento
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
Bustos Caballero
Nombre de pila
Alejandro
Nombre
3 resultados
Resultados de la búsqueda
Mostrando 1 - 3 de 3
Publicación Categorización del estado operativo de material rodante ferroviario mediante el uso de clasificadores automáticos(Universidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica, 2024-10-22) Junquera Meana, Enrique; Rubio Alonso, Higinio; Bustos Caballero, Alejandro; Soriano Heras, EnriqueEn el presente trabajo, se estudiará la aplicación de técnicas de aprendizaje automático a señales vibratorias, obtenidas de un eje ferroviario en un banco de ensayos, mediante el uso de algoritmos de árboles de decisión, para la detección y clasificación de fallos. Una vez seleccionados los hiperparámetros característicos de cada señal, se someten a ensayos de validación por parte de los algoritmos con el objetivo de validar el modelo seleccionado. Finalmente, con el presente trabajo se pretende demostrar que los algoritmos de árboles de decisión son una herramienta válida y eficaz en el análisis de señales vibratorias, tanto para la detección como para la clasificación de fallos, con niveles de eficacia en la clasificación superiores al 95%.Publicación Aplicación de Técnicas de Aprendizaje Automático a la Diagnosis de Sistemas Mecánicos(Universidad Nacional de Educación a Distancia (España), Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica, 2022) Junquera Meana, Enrique; Rubio Alonso, Higinio; Soriano Heras, Enrique; Bustos Caballero, AlejandroEn 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.Publicación Aplicación de tecnologías disruptivas para la digitalización del mantenimiento ferroviario(Universidad Nacional de Educación a Distancia (España), Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica, 2022) Rubio Alonso, Higinio; Castejón Sisamón, Cristina; Soriano Heras, Enrique; Bustos Caballero, Alejandro; García Prada, Juan CarlosLa Industria 4.0 está revolucionando el modo en el que se abordan todos los aspectos de un producto o servicio, y el ferrocarril no es ajeno a ello. Tradicionalmente, el mantenimiento realizado en el ferrocarril se ha centrado en un enfoque preventivo, pero los paradigmas del Mantenimiento 4.0 implican una evolución hacia estrategias de mantenimiento más novedosas basadas en la monitorización de la condición y el mantenimiento predictivo. En este artículo se sientan las bases para el desarrollo de un gemelo digital del bogie de un tren de Alta Velocidad que facilite la adopción estas nuevas metodologías. Para ello, se propone un gemelo digital de bogie compuesto por tres modelos: un modelo geométrico generado por ordenador, un modelo de elementos finitos y un modelo multicuerpo. Los tres modelos proporcionan la información inicial para el comportamiento dinámico del sistema que deberá ser completado con información del sistema real en operación.