Detección de Desbalanceo en Máquinas Rotativas mediante Aprendizaje Automático y Análisis Cepstral
Autor
DANIEL ALEJANDRO, GELVEZ ARDILA
Director
Sandoval Rodríguez, Camilo Leonardo
Metadatos
Mostrar el registro completo del ítemDescripción
Mantenimiento predictivo, Procesamiento de señal, Sistemas basados en conocimiento
Resumen
Las maquinas rotativas son fundamentales durante la operación de procesos de
producción. Su funcionamiento afecta el desempeño de sistemas productivos. De
este modo, es importante promover el uso de técnicas del mantenimiento predictivo
para garantizar la operatividad de este tipo de maquinaria. En este contexto, el
desbalanceo suele ser una de las fallas más comunes y se puede identificar de
manera temprana aplicando análisis vibracional. De este modo, el presente trabajo
propone un método para identificar desbalanceo en una máquina rotativa, aplicando
procesamiento de señales y arboles de decisión, a partir de una base de datos con
registros experimentales obtenidos bajo distintas condiciones operativas, se aplicó
una caracterización utilizando análisis cepstral para extraer las principales
características de las señales de vibración asociadas a este modo de operación. En
este sentido, se utilizó el algoritmo de árboles de decisión, evaluando su capacidad
para diferenciar entre condiciones normales y afectadas por desbalanceo.
Materia
Maquinas Rotativas, Cepstrum, Desbalanceo,, arboles de decisión
Colecciones
Vista previa
- Nombre:
- F-IN-13 Daniel A Gelvez A.pdf
- Nombre:
- Documento FINAl DANIEL GELVEZ.pdf
