DETECCION DE ATIPICOS EN MAQUINAS ROTATIVAS CON CONDICIONES DE OPERACIÓN NO ESTACIONARIAS USANDO CARACTERISTICAS DINAMICAS Y CLASIFICADORES DE UNA CLASE
| Autor: | OSCAR CARDONA MORALES, DIEGO A. ÁLVAREZ MARÍN, GERMAN CASTELLANOS-DOMINGUEZ |
|---|---|
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2013 |
| Předmět: | |
| Zdroj: | DYNA, Volume: 80, Issue: 182, Pages: 173-181, Published: DEC 2013 Repositorio UN Universidad Nacional de Colombia instacron:Universidad Nacional de Colombia Dyna, Vol 80, Iss 182, Pp 173-181 (2013) |
| Popis: | Se propone una metodología para detección de atípicos en sistemas mecánicos variantes en el tiempo, basada en características dinámicas y descriptores de datos. El conjunto de características dinámicas está conformado mediante centroides de sub-banda espectral y coeficientes cepstrales de frecuencia lineal, ambos extraídos de representaciones tiempo-frecuencia. La clasificación de una clase es utilizada para validar el rendimiento de las características dinámicas como descriptores del comportamiento de la máquina en comparación. La metodología es probada con un conjunto de datos de un banco de pruebas con diferentes estados (normal, desbalance y desalineación), los cuales son medidos bajo condiciones de velocidad variable. El esquema propuesto es validado con registros de una línea de transmisión de un buque. Los resultados superan otras características tiempo-frecuencia en rendimiento de clasificación. La metodología es robusta a cambios mínimos en el estado de la máquina y/o condiciones de operación variantes en el tiempo. The main goal of condition-based maintenance is to describe the machine state under current operating regimes, which can be non-stationary depending of load/speed changes. Besides, damaged machine data are not always available in real-world applications. This paper proposes a methodology of outlier detection in time-varying mechanical systems based on dynamic features and data description classifiers. Dynamic features set is formed by spectral sub-band centroids and linear frequency cepstral coefficients extracted from time-frequency representations. One-class classification is carried out to validate performance of the dynamic features as descriptors of machine behavior. The methodology is tested with a data set coming from a test-rig including different machine states with variable speed conditions. The proposed approach is validated on real recordings acquired from a ship driveline. The results outperform other time-frequency features in terms of classification performance. The methodology is robust to minimal changes in the machine state and/or time-varying operational conditions. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|