Un modelo de diagnóstico de fallos interpretables para rodamientos basado en una base de reglas de creencias jerárquica

Los rodamientos son uno de los principales componentes del equipo mecánico y uno de los componentes primarios propensos a fallos. Por lo tanto, realizar un diagnóstico de fallos en rodamientos es un tema clave en la investigación de equipos mecánicos. La base de reglas de creencias (BRB) es esencialmente un sistema experto que integra de manera efectiva información cualitativa y cuantitativa, demostrando un excelente rendimiento en el diagnóstico de fallos. Sin embargo, a menudo ocurre un desequilibrio de clases en la tarea de diagnóstico, lo que plantea desafíos para el diagnóstico. Los modelos con interpretabilidad pueden aumentar la confianza de los tomadores de decisiones en los resultados. Sin embargo, la aleatoriedad en el proceso de optimización puede socavar la interpretabilidad, reduciendo así el nivel de fiabilidad en los resultados. Por lo tanto, en este artículo se propone un modelo BRB jerárquico basado en selección de características de impulso de gradiente extremo (XGBoost) con interpretabilidad (HFS-IBRB). La utilización de una BRB principal junto con múltiples sub-BRBs permite convertir un desafío de clasificación múltiple en varias tareas de clasificación binaria distintas, lo que lleva a una mayor precisión. Al incorporar restricciones de interpretabilidad en el modelo, se garantiza efectivamente la interpretabilidad. Finalmente, el estudio de caso del conjunto de datos real de diagnóstico de fallos de rodamientos demuestra la capacidad del modelo HFS-IBRB para realizar un diagnóstico preciso e interpretable.