Método de diagnóstico de fallos de rodamientos basado en la fusión de características estadísticas STFT y árbol de...

Área de la Ciencia:

• Ingeniería Mecánica
• Procesamiento de Señales
• Inteligencia Artificial

Sus antecedentes:

• La no estacionariedad y la interferencia de los rodamientos complican el diagnóstico de fallos.
• Los métodos existentes tienen dificultades con las condiciones de trabajo complejas y el ruido.
• El diagnóstico de fallos preciso y eficiente es crucial para la salud de la maquinaria.

Objetivo del estudio:

• Desarrollar un método de diagnóstico de fallos de rodamientos ligero, preciso e interpretable.
• Abordar la no estacionariedad de la señal y la interferencia en entornos complejos.
• Equilibrar la precisión diagnóstica, la complejidad del modelo y la eficiencia de entrenamiento.

Principales métodos:

• Fusión de la Transformada de Fourier de Tiempo Corto (STFT) y características estadísticas de dominio temporal utilizando un módulo de fusión de atención (AFF).
• Reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA).
• Optimización de los parámetros del árbol de bagging utilizando un algoritmo adaptativo de optimización de Lévy-gaviota (AL-SOA).

Principales resultados:

• El método propuesto STSF-AL-SOA-BT logró altas precisiones promedio: 98,88 % (CWRU), 98,50 % (SEU) y 97,53 % (SUT).
• El mecanismo de atención mejoró la precisión en un 0,6-1,2 % (p < 0,01).
• AL-SOA facilitó un equilibrio multiobjetivo entre precisión, complejidad y eficiencia, confirmado por el análisis del frente de Pareto.

Conclusiones:

• El método desarrollado ofrece una solución factible para el diagnóstico ligero de fallos de rodamientos en condiciones variables y con ruido.
• El enfoque de fusión captura eficazmente la información del dominio de frecuencia y temporal.
• El método demuestra una sólida capacidad discriminatoria, interpretabilidad y aplicabilidad en ingeniería.