logo móvil
Contáctanos

Estado actual de la investigación sobre diagnóstico de fallos utilizando aprendizaje automático para sistemas de transmisión de engranajes

Autores: Fu, Xuezhong; Fang, Yuanxin; Xu, Yingqiang; Xu, Haijun; Ma, Guo; Peng, Nanjiang

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Estado actual de la investigación sobre diagnóstico de fallos utilizando aprendizaje automático para sistemas de transmisión de engranajes


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Sistema de transmisión de engranajes
Diagnóstico de fallas
Tecnología de aprendizaje profundo
Dominio del tiempo
Dominio de la frecuencia
Tecnología de fusión de datos de múltiples fuentes

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 18

Citaciones: Sin citaciones


Descripción
El diagnóstico de fallos en sistemas de transmisión de engranajes es crucial para la fiabilidad y seguridad de la maquinaria industrial. La combinación de métodos de procesamiento de señales matemáticas con tecnología de aprendizaje profundo se ha convertido en un foco de investigación en el diagnóstico de fallos. En primer lugar, se esboza en detalle el desarrollo y estado del diagnóstico de fallos en sistemas de transmisión de engranajes. En segundo lugar, se resumen los resultados de investigación relevantes sobre el diagnóstico de fallos en sistemas de transmisión de engranajes desde las perspectivas de análisis en el dominio del tiempo, dominio de la frecuencia y dominio tiempo-frecuencia. En tercer lugar, se explica el progreso de la investigación relevante en aprendizaje superficial y aprendizaje profundo en el campo del diagnóstico de fallos. Finalmente, se resumen y anticipan las direcciones futuras de investigación para el diagnóstico de fallos en sistemas de transmisión de engranajes en términos de la escasez de resultados de análisis de señales, separación de componentes de características adyacentes, extracción de señales débiles, identificación de fallos compuestos, combinaciones multifactoriales en el diagnóstico de fallos y tecnología de fusión de datos de múltiples fuentes.

Otros recursos que podrían interesarte

Temas Virtualpro