Publicación:
Aplicación de técnicas de Machine Learning para la predicción de posibles averías de correas en equipos rotatorios

Vista sencilla de ítem
dc.contributor.authorMarichal Plasencia, G. Nicolás
dc.contributor.authorÁvila Prats, Deivis
dc.contributor.authorHernández López, Ángela
dc.contributor.authorCamacho Espino, Jorge Jesús
dc.date.accessioned2024-05-21T13:02:34Z
dc.date.available2024-05-21T13:02:34Z
dc.date.issued2022
dc.description.abstractEste trabajo presenta el empleo de técnicas de Inteligencia Artificial para obtener una clasificación del estado de desgaste de correas, motivado principalmente por el funcionamiento de estos equipos en las bombas de alta presión de plantas desaladoras mediante ósmosis inversa. Se han tomado los datos de 30 correas con diferentes grados de desgaste montadas sobre un equipo de laboratorio a escala de una máquina rotativa de alta velocidad basado en modificaciones de un taladro de columna. El estudio se basa en las mediciones de vibraciones, que fueron registradas con un acelerómetro piezoeléctrico triaxial y un analizador de señales dinámicas. Dichas señales se someten a un preprocesado basado en el análisis del dominio de frecuencia, para, a continuación, aplicar las técnicas de Machine Learning y obtener una clasificación del estado de desgaste de la correa en estudio. Los resultados muestran que es posible predecir si aún es capaz de realizar correctamente sus funciones o si es necesaria una sustitución.es
dc.description.abstractIn this work, Artificial Intelligence techniques are used to obtain a classification of the state of belts wear, motivated mainly by the operation of this equipment in the high pressure pumps of reverse osmosis desalination plants. Data was taken from 30 belts with different degrees of wear. A laboratory scale equipment of a high-speed rotary machine based on modifications of a column drill was utilized to test. The belts study is based on vibration measurements, which were recorded with a triaxial piezoelectric accelerometer and a dynamic signal analyzer. These signals are subjected to a preprocessing based on the analysis of the frequency domain, in order to then apply Machine Learning techniques and obtain a classification of the state of belt wear. The results show that it is possible to predict if the belt is still able to perform its functions correctly or if a substitution is necessary.en
dc.description.versionversión publicada
dc.identifier.doihttps://doi.org/10.5944/bicim2022.019
dc.identifier.urihttps://hdl.handle.net/20.500.14468/19890
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España), Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
dc.relation.centerE.T.S. de Ingenieros Industriales
dc.relation.congressXV Congreso Iberoamericano de Ingeniería Mecánica. Madrid, España, 22-24 de noviembre de 2022. CIBIM 2022
dc.relation.departmentMecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.keywordsmantenimiento predictivo
dc.subject.keywordsvibraciones
dc.subject.keywordsmachine learning
dc.subject.keywordsprocesamiento de señales
dc.titleAplicación de técnicas de Machine Learning para la predicción de posibles averías de correas en equipos rotatorioses
dc.typeconference proceedingsen
dc.typeactas de congresoes
dspace.entity.typePublication
relation.isAuthorOfPublicatione83ab7e1-7ebf-4ada-a76c-040a777cbb78
relation.isAuthorOfPublication.latestForDiscoverye83ab7e1-7ebf-4ada-a76c-040a777cbb78
Archivos
Bloque original
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
Abs_30_182375.docx
Tamaño:
1020.09 KB
Formato:
Microsoft Word XML
Descargar
Colecciones
Actas y comunicaciones de congresos