Monitorización del estado de rodamientos basada en técnicas de aprendizaje automático

Abstract

espanolEn la actualidad, los procesos de fabricacion estan adoptando nuevas soluciones basadas en la aplicacion de tecnicas de aprendizaje automatico, que permiten llevar a cabo la monitorizacion de los procesos en tiempo real, la parametrizacion y la autoconfiguracion optimas de maquinas, robots y procesos industriales, desde equipos individuales hasta entornos de produccion global. Este trabajo presenta la aplicacion de dos arquitecturas de redes neuronales, una de aprendizaje supervisado, el perceptron multicapa (MLP), y otra de aprendizaje no supervisado, los mapas auto-organizados (SOM). Para la parametrizacion de dichas arquitecturas se utilizan algoritmos evolutivos, con vistas a la monitorizacion del estado de los rodamientos. Finalmente, se evalua el potencial de ambas tecnicas a traves de un caso de estudio, en el que se obtienen cifras de merito o indices de comportamiento muy positivos. EnglishNowadays, the manufacturing processes are adopting solutions based on the application of machine learning techniques, which allow to carry out the monitoring of the processes in real time, the parameterization and the optimal auto-configuration of machine tools, robots and industrial processes from individual equipment to global production environments. The present work presents the application of a multilayer perceptron (MLP), and self-organized maps (SOM). Evolutionary algorithms are used to parametrize said architectures, with a view to monitoring the bearing conditions. Finally, the performance of both techniques is assessed on the basis of a case study for condition monitoring in bearings, obtaining high performance indices in both cases.