Global · IA · Robótica
Una red neuronal estima fallos mecánicos cuando falta uno de sus canales de vibración
El estudio prueba transferencia entre bancos de datos de rodamientos y engranajes, con la robótica industrial como aplicación prevista.
Fecha de la fuente original:
Lo esencial
- El estudio prueba transferencia entre bancos de datos de rodamientos y engranajes, con la robótica industrial como aplicación prevista.
Recuperar información útil para el diagnóstico
Un equipo del Instituto de Energía de Shanxi publicó un método de aprendizaje automático para clasificar fallos mecánicos a partir de dos canales de vibración. La red busca características comunes entre máquinas y aprende a reconstruir la representación del canal ausente utilizando el que todavía funciona. Esa recuperación ocurre en el software: no repara físicamente el sensor averiado.
Pruebas con cinco conjuntos de datos
Los investigadores entrenaron con datos públicos de tres bancos de ensayo y evaluaron en otros dos, centrados en engranajes y rodamientos con cambios de velocidad. Simularon la pérdida de un sensor sustituyendo su señal por ceros y compararon siete métodos de referencia en cinco repeticiones. Según sus resultados, la propuesta mantuvo mayor precisión en las condiciones estudiadas. La evaluación distingue funcionamiento normal y dos tipos de fallo de rodamiento. La prueba en una articulación robótica industrial real, así como averías intermitentes y señales parcialmente degradadas, queda para trabajos posteriores.