Publicación: Aplicación de Técnicas de Aprendizaje Automático a la Diagnosis de Sistemas Mecánicos
No hay miniatura disponible
Archivos
Fecha
2022
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
Atribución-NoComercial-SinDerivadas 4.0 Internacional
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
['Universidad Nacional de Educación a Distancia (España)', 'Universidad Politécnica de Madrid. Departamento de 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.
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.
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.
Descripción
Categorías UNESCO
Palabras clave
machine learning, máquinas de soporte vectorial, defectos rodamientos, MATLAB, vibraciones
Citación
Centro
Facultades y escuelas::E.T.S. de Ingenieros Industriales
Departamento
Mecánica