Diagnóstico de fallos en motores con técnicas de Machine Learning
Year: 2014
Type: dissertation
Abstract: En el presente trabajo se ha estudiado la aplicación de dos técnicas de machine learning, K-Nearest Neighbour y Support Vector Machine, al problema del diagnóstico de la rotura de una barra del rotor de un motor de inducción jaula de ardillas con el objetivo de construir varios clasificadores capaces de distinguir entre diferentes estados de rotura en una de las barras midiendo una serie de caracterísiticas. Adicionalmente, este trabajo permite comparar el comportamiento de estas técnicas de clasificación de aparición relativamente reciente y que están siendo incorporadas en multitud de aplicaciones prácticas como la que aquí se describe. Los métodos han sido entrenados a través de una base de datos, obtenidos a través de la experimentación con un motor real sometido a diferentes grados de rotura en una de sus barras.
Author: Daniel Gordo Martín
Language: Spanish
Subfield: Control and Systems Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W948755310
