logo móvil
Contáctanos

Modelo de diagnóstico de fallas para rodamientos bajo múltiples condiciones de operación basado en ponderación de parámetros de características

Autores: Meng, Linghui; Xie, Jinyang; Zhou, Zhenwei; Chen, Yiqiang

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Modelo de diagnóstico de fallas para rodamientos bajo múltiples condiciones de operación basado en ponderación de parámetros de características


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Papel
Rodamientos de rodillos
Modelo de diagnóstico de fallas
Ponderación de la parametrización de características
Precisión diagnóstica
Capacidad anti-ruido

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 43

Citaciones: Sin citaciones


Descripción
Como componente fundamental de la transmisión automotriz, los rodamientos de rodillos desempeñan un papel principal en la seguridad y fiabilidad de los vehículos. Los modelos de diagnóstico existentes a menudo tratan todas las características por igual después de la extracción de características, sin distinguir eficazmente la importancia de las características de falla, lo que resulta en una baja precisión y poca robustez en el diagnóstico de fallas en rodamientos. Para abordar este problema, se propone un modelo de diagnóstico de fallas para rodamientos bajo múltiples condiciones de funcionamiento basado en la ponderación de la parametrización de características. El modelo utiliza un módulo de ponderación de parametrización de características para categorizar las fallas en dos clases basadas en diferencias en medias e implementa diferentes métodos de procesamiento de características. Los resultados experimentales validan que el módulo propuesto de ponderación de parametrización de características mejora efectivamente la precisión diagnóstica del modelo en un 8.95%. En cuanto a la resistencia al ruido, en dos conjuntos de datos de múltiples condiciones, el modelo de diagnóstico propuesto logra una precisión diagnóstica del 98.79% y 98.36%. La precisión diagnóstica se mejora en un 15.7% y 22.48%, lo que indica que el modelo tiene una fuerte capacidad anti-ruido.

Otros recursos que podrían interesarte

Temas Virtualpro