Seleção de Características em Múltiplas Etapas Usando Algoritmos Genéticos para Diagnóstico de Falhas em Redutores Baseada em Sinal de Vibração

Existem demandas crescentes por monitoramento baseado em condições de redutores, e técnicas para melhorar a confiabilidade, eficácia e precisão para diagnóstico de falhas são consideradas contribuições valiosas. A seleção de características ainda é um aspecto importante no diagnóstico baseado em aprendizado de máquina para alcançar um bom desempenho no sistema de diagnóstico. O objetivo principal desta pesquisa é propor um mecanismo de seleção de características em múltiplas etapas para selecionar o melhor conjunto de parâmetros de condição nos domínios do tempo, frequência e tempo-frequência, que são extraídos de sinais de vibração para fins de diagnóstico de falhas em redutores. A seleção é baseada em algoritmos genéticos, propondo em cada etapa um novo subconjunto das melhores características em relação ao desempenho do classificador em um ambiente supervisionado. As características selecionadas são aumentadas em cada etapa e usadas como entrada para um classificador de rede neural na próxima etapa, enquanto um novo subconjunto de candidatos a características é tratado pelo processo de seleção. Como resultado, a exploração e a exploração inerentes dos algoritmos genéticos para encontrar as melhores soluções para o problema de seleção estão localmente focadas. A abordagem Sensors 2015, 15 23904 é testada em um conjunto de dados de uma bancada de testes real com várias classes de falhas sob diferentes condições de funcionamento de carga e velocidade. O desempenho do modelo para diagnóstico é superior a 98%.