Identificación y Diagnóstico de Fallas en Rodamientos de Elementos Rodantes Utilizando Teoría de Dimensiones y Técnicas de Aprendizaje Automático

Resumen El estudio presenta la clasificación de tipos de fallas en rodamientos que ocurren en máquinas rotativas utilizando técnicas de aprendizaje automático. Las demandas recientes de monitoreo de condiciones requieren un diagnóstico de fallas integral pero preciso para máquinas industriales. La utilización de modelado matemático con aprendizaje automático puede combinarse para un diagnóstico de fallas fino en diferentes condiciones de trabajo. El presente estudio presenta una combinación de análisis dimensional (DA) y un vecino más cercano (KNN) para diagnosticar fallas en rodamientos industriales. Las respuestas vibratorias se recogen para varias máquinas industriales bajo diversas condiciones operativas. Las fallas en los rodamientos se identifican utilizando el modelo DA con un error del 3.62% (promedio) y se clasifican utilizando KNN con una precisión del 98.67%. Comparar el rendimiento de los modelos con redes neuronales experimentales y artificiales (ANN) validó el potencial del enfoque actual. Los resultados mostraron que el KNN demuestra un rendimiento superior en términos de predicción de características y extracción de rodamientos industriales.