Resumen

El diagnóstico del estado de las máquinas rotativas depende en gran medida del análisis de las características de las señales de vibración medidas para el diagnóstico del estado. Sin embargo, las señales medidas en la maquinaria rotativa no suelen ser estacionarias ni lineales y contienen ruido. Las características útiles de los fallos quedan ocultas en el ruido de fondo. En este trabajo, se propone un nuevo método de diagnóstico de fallos para maquinaria rotativa basado en la eliminación de ruido mediante umbrales adaptativos multiwavelet y la optimización de enjambre de partículas por mutación (MPSO). Se emplea la multiwavelet de Geronimo, Hardin y Massopust (GHM) para extraer las características débiles de los fallos bajo ruido de fondo, y se presenta el método de selección adaptativa del umbral apropiado para la multiwavelet con la relación de energía del coeficiente de la multiwavelet. Se definen los seis parámetros sintomáticos (SP) no dimensionales en el dominio de la frecuencia para reflejar las características de las señales de vibración medidas en cada estado. También se ha definido el índice de detección (DI) utilizando la teoría estadística para evaluar la sensibilidad de los SP para el diagnóstico del estado. Se propone un algoritmo MPSO con ajuste adaptativo del peso de inercia y mutación de partículas para la identificación de estados. El algoritmo MPSO resuelve eficazmente los problemas de óptimo local y convergencia prematura del algoritmo convencional de optimización por enjambre de partículas (PSO). Puede proporcionar una estimación más precisa en el diagnóstico de fallos. Se presentan ejemplos prácticos de diagnóstico de fallos en rodamientos para verificar la eficacia del método propuesto.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:diagnóstico de estado, maquinaria, algoritmo mpso, diagnóstico de fallos, señales de vibración, ajuste adaptativo del peso de inercia, optimización convencional de enjambre de partículas, optimización de enjambre de partículas por mutación, nuevo método de diagnóstico de fallos, ruido de fondo pesado
• Keywords:condition diagnosis, machinery, mpso algorithm, fault diagnosis, vibration signals, adaptive inertia weight adjustment, conventional particle swarm optimization, mutation particle swarm optimization, novel fault diagnosis method, heavy background noise