Modelo de clasificación de falla en rodamientos a partir de datos de vibraciones

Abstract

El objetivo de este proyecto era desarrollar un modelo que, funcionando con Machine Learning, fuese capaz de clasificar el estado de salud de distintos rodamientos a partir de datos crudos de vibraciones. En orden de desarrollar este modelo, fue necesario determinar las variables que mejor eficacia presentaban. Esta selección se desarrolló a través de una amplia búsqueda bibliográfica como primer filtro, posteriormente un filtro de análisis desarrollado a partir de los resultados de la experimentación, y un último filtro donde se pusieron a prueba las variables finales. Lo que se determinó fue que las variables ideales para el modelo fueron el RMS de la aceleración filtrada, y dos variables obtenidas de la literatura que se obtenían a través de la transformada de Hilbert y de la Transformada rápida de Fourier. El modelo desarrollado presentó una eficacia del 99.16% y permitió sentar bases para proyectos futuros.

The objective of this project was the development of a Machine Learning model capable of classify the health state from multiple bearings using vibration data. To reach this goal, it was necessary to select the best variables to build the model. In order to do this, the first filter was a bibliographic revision, the second filter consisted in the analysis from the experimentation and the last filter was the comparison between the last six variables. The conclusion was that the best variables were the RMS from the filtered acceleration and two variables obtained from the literature The resulted model had an efficiency of 99.16%.