Diagnóstico de fallas de rodamientos basado en el algoritmo de Kepler y el mecanismo de atención

Área de la Ciencia:

• Ingeniería mecánica
• Inteligencia artificial
• Procesamiento de señales

Sus antecedentes:

• Los rodamientos son componentes críticos de las máquinas giratorias, susceptibles a daños.
• El diagnóstico eficaz de fallos en los rodamientos es esencial para la fiabilidad y la seguridad del funcionamiento.
• Los métodos de diagnóstico existentes pueden carecer de suficiente precisión o eficacia.

Objetivo del estudio:

• Mejorar la precisión y la eficiencia del diagnóstico de fallos de rodamientos.
• Para introducir un enfoque de red neuronal optimizado utilizando el algoritmo de Kepler.
• Aprovechar los mecanismos de atención para mejorar la extracción de características en la detección de fallas.

Principales métodos:

• Desarrolló el algoritmo Kepler para optimizar los pesos de las redes neuronales.
• Mecanismos de atención integrados para centrarse en las características de diagnóstico relevantes.
• Validar el modelo utilizando conjuntos de datos de rodamientos de terceros.

Principales resultados:

• El algoritmo de Kepler y los mecanismos de atención mejoraron significativamente la precisión del diagnóstico.
• El modelo propuesto demostró un rendimiento superior en comparación con otros algoritmos.
• Se logró una extracción eficiente de las características clave, mejorando las capacidades de diagnóstico.

Conclusiones:

• El algoritmo de Kepler y los mecanismos de atención ofrecen un enfoque superior para el diagnóstico de fallas de rodamientos.
• Este método proporciona una solución factible y eficaz para el control del estado de las máquinas rotativas.
• Los resultados contribuyen a mejorar la fiabilidad y el mantenimiento predictivo de los equipos industriales.