Detección de Fallos de Máquinas Rotativas Mediante Histogramas de Señales Acústicas

Julio Fernando Siguencia Urgiles; Diego Roman Cabrera Mendieta; Rene Vinicio Sanchez Loja; Mariela Cerrada Lozada

Detección de Fallos de Máquinas Rotativas Mediante Histogramas de Señales Acústicas

Translated title of the contribution: Fault Detection of Rotating Machines Using Histograms of Acoustic Signals

Julio Fernando Siguencia Urgiles, Diego Roman Cabrera Mendieta, Rene Vinicio Sanchez Loja, Mariela Cerrada Lozada

Research and Development Group in Industrial Technologies (GIDTEC)

Research output: Contribution to conference › Paper

Abstract

The rotating machines suffer wear of their components due to their normaloperation, therefore, with the passing of time they are exposed to failures. The earlyidentification or prediction of such failures complements the process of continuousimprovement of productivity. As a maintenance technique, a method of comparinghistograms of acoustic signals is proposed, which makes it possible to discriminatebetween a normal operating state and a faulty one. The acoustic signals of normal stateare stored as support vectors, with the aim of generating a normal condition signature as astandard histogram profile. The histograms of the new signals to be evaluated arecompared with the pattern by a similarity factor based on the area under the curve of theintersection of the histograms. Dissimilarity is finally proposed as an indicator of machinefailure. The evaluation of the method results in a performance of 9.2% similarity for theexperiment with a severe failure of the machine, for the experiment under normalconditions a performance of 20.2% similarity. These results indicate some variation thatallows determining failures in bearings and gears in different speed conditions.

Translated title of the contribution	Fault Detection of Rotating Machines Using Histograms of Acoustic Signals
Original language	Spanish (Ecuador)
State	Published - 26 Oct 2018
Event	IX Congreso Latinoamericano de Ingeniería Mecánica (COLIM 2018) - CO Duration: 28 Nov 2018 → 30 Nov 2018 https://www.unipamplona.edu.co/colim2018/

Conference

Conference	IX Congreso Latinoamericano de Ingeniería Mecánica (COLIM 2018)
Period	28/11/18 → 30/11/18
Internet address	https://www.unipamplona.edu.co/colim2018/

Keywords

Acoustic signal.
Intersection area
Support vector
Vibration

CACES Knowledge Areas

827A Industrial maintenance

Cite this

@conference{70b47679c24741299a150efe2c40a2cf,

title = "Detecci{\'o}n de Fallos de M{\'a}quinas Rotativas Mediante Histogramas de Se{\~n}ales Ac{\'u}sticas",

abstract = "Las m{\'a}quinas rotativas sufren desgaste de sus componentes por su normalfuncionamiento, por tanto, con el pasar del tiempo est{\'a}n expuestas a fallos. Laidentificaci{\'o}n temprana o predicci{\'o}n de dichos fallos complementa el proceso de mejoracontinua de productividad. En este trabajo se propone un m{\'e}todo de comparaci{\'o}n dehistogramas de se{\~n}ales ac{\'u}sticas que permite discriminar entre un estado defuncionamiento normal y uno con fallo. Las se{\~n}ales ac{\'u}sticas de estado normal sealmacenan como vectores de soporte, con el objetivo de generar una firma de condici{\'o}nnormal como un perfil de histograma patr{\'o}n. Los histogramas de las nuevas se{\~n}ales aevaluar son comparados con el patr{\'o}n mediante un factor de similitud basado en el {\'a}reabajo la curva de la intersecci{\'o}n de los histogramas. La disimilaridad finalmente sepropone como un indicador de fallo de la m{\'a}quina. La evaluaci{\'o}n del m{\'e}todo da comoresultado un desempe{\~n}o de 9.2% de similitud para el experimento con un fallo severo dela m{\'a}quina, para el experimento en condiciones normales un desempe{\~n}o de 20.2% desimilitud. Estos resultados indican cierta variaci{\'o}n que permite determinar fallos enrodamientos y engranajes ante diferentes condiciones de velocidad.",

keywords = "Acoustic signal., Intersection area, Support vector, Vibration, Acoustic signal., Intersection area, Support vector, Vibration",

author = "{Siguencia Urgiles}, {Julio Fernando} and {Cabrera Mendieta}, {Diego Roman} and {Sanchez Loja}, {Rene Vinicio} and {Cerrada Lozada}, Mariela",

year = "2018",

month = oct,

day = "26",

language = "Espa{\~n}ol (Ecuador)",

note = "IX Congreso Latinoamericano de Ingenier{\'i}a Mec{\'a}nica (COLIM 2018) ; Conference date: 28-11-2018 Through 30-11-2018",

url = "https://www.unipamplona.edu.co/colim2018/",

}

TY - CONF

T1 - Detección de Fallos de Máquinas Rotativas Mediante Histogramas de Señales Acústicas

AU - Siguencia Urgiles, Julio Fernando

AU - Cabrera Mendieta, Diego Roman

AU - Sanchez Loja, Rene Vinicio

AU - Cerrada Lozada, Mariela

PY - 2018/10/26

Y1 - 2018/10/26

N2 - Las máquinas rotativas sufren desgaste de sus componentes por su normalfuncionamiento, por tanto, con el pasar del tiempo están expuestas a fallos. Laidentificación temprana o predicción de dichos fallos complementa el proceso de mejoracontinua de productividad. En este trabajo se propone un método de comparación dehistogramas de señales acústicas que permite discriminar entre un estado defuncionamiento normal y uno con fallo. Las señales acústicas de estado normal sealmacenan como vectores de soporte, con el objetivo de generar una firma de condiciónnormal como un perfil de histograma patrón. Los histogramas de las nuevas señales aevaluar son comparados con el patrón mediante un factor de similitud basado en el áreabajo la curva de la intersección de los histogramas. La disimilaridad finalmente sepropone como un indicador de fallo de la máquina. La evaluación del método da comoresultado un desempeño de 9.2% de similitud para el experimento con un fallo severo dela máquina, para el experimento en condiciones normales un desempeño de 20.2% desimilitud. Estos resultados indican cierta variación que permite determinar fallos enrodamientos y engranajes ante diferentes condiciones de velocidad.

AB - Las máquinas rotativas sufren desgaste de sus componentes por su normalfuncionamiento, por tanto, con el pasar del tiempo están expuestas a fallos. Laidentificación temprana o predicción de dichos fallos complementa el proceso de mejoracontinua de productividad. En este trabajo se propone un método de comparación dehistogramas de señales acústicas que permite discriminar entre un estado defuncionamiento normal y uno con fallo. Las señales acústicas de estado normal sealmacenan como vectores de soporte, con el objetivo de generar una firma de condiciónnormal como un perfil de histograma patrón. Los histogramas de las nuevas señales aevaluar son comparados con el patrón mediante un factor de similitud basado en el áreabajo la curva de la intersección de los histogramas. La disimilaridad finalmente sepropone como un indicador de fallo de la máquina. La evaluación del método da comoresultado un desempeño de 9.2% de similitud para el experimento con un fallo severo dela máquina, para el experimento en condiciones normales un desempeño de 20.2% desimilitud. Estos resultados indican cierta variación que permite determinar fallos enrodamientos y engranajes ante diferentes condiciones de velocidad.

KW - Acoustic signal.

KW - Intersection area

KW - Support vector

KW - Vibration

KW - Acoustic signal.

KW - Intersection area

KW - Support vector

KW - Vibration

UR - https://www.unipamplona.edu.co/unipamplona/portalIG/home_255/recursos/general/07122018/librototal.pdf

M3 - Documento

T2 - IX Congreso Latinoamericano de Ingeniería Mecánica (COLIM 2018)

Y2 - 28 November 2018 through 30 November 2018

ER -

Detección de Fallos de Máquinas Rotativas Mediante Histogramas de Señales Acústicas

Abstract

Conference

Keywords

CACES Knowledge Areas

Other files and links

Fingerprint

Cite this