DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/14914

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
06119683.pdf666,73 kBAdobe PDF Accés restringit

Citació: Delgado, M. [et al.]. Motor fault classification system including a novel hybrid feature reduction methodology. A: IEEE International Conference on Industrial Electronics. "IECON 2011 - 37th Annual Conference on IEEE Industrial Electronics Society". Melbourne: 2011, p. 2388-2393.
Títol: Motor fault classification system including a novel hybrid feature reduction methodology
Autor: Delgado Prieto, Miquel Veure Producció científica UPC; Urresty Betancourt, Julio César Veure Producció científica UPC; Albiol, L.; Ortega Redondo, Juan Antonio Veure Producció científica UPC; García Espinosa, Antonio Veure Producció científica UPC; Romeral Martínez, José Luis Veure Producció científica UPC; Vidal, E.
Data: 2011
Tipus de document: Conference report
Resum: The fault diagnosis field is in a continuous movement towards the generation of more reliable and powerful machine health monitoring schemes. Improved data processing methodologies are required to reach high diagnosis demands. For that reason, a contribution in motor fault classification methodology is presented. Different physical magnitudes such as phase currents, voltages and vibrations, are acquired from an electromechanical system based on Brushless DC motor. Statistical features, from time and frequency domains, are calculated to supply a classification algorithm based on Neural Network and enhanced by Genetic Algorithm. The significance of feature space dimensionality, related with the number of used features, for classification success is analyzed. The combination of a feature selection technique (by Sequential Floating Forward Selection), with a feature extraction technique (by Principal Component Analysis), is proposed as a novel hybrid feature reduction methodology to improve the classification performance in electrical machine fault diagnosis. The proposed methodology is validated experimentally and compared with classical feature reduction strategies.
ISBN: 978-1-61284-969-0
URI: http://hdl.handle.net/2117/14914
DOI: 10.1109/IECON.2011.6119683
Apareix a les col·leccions:Altres. Enviament des de DRAC
MCIA - Centre MCIA Innovation Electronics. Ponències/Comunicacions de congressos
Departament d'Enginyeria Electrònica. Ponències/Comunicacions de congressos
Departament d'Enginyeria Elèctrica. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius