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/2117/16260

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

Arxiu Descripció MidaFormat
05984489.pdf773,31 kBAdobe PDF Accés restringit

Citació: Delgado, M. [et al.]. Multidimensional intelligent diagnosis system based on support vector machines classifier. A: IEEE International Symposium on Industrial Electronics. "Industrial Electronics (ISIE), 2011 IEEE International Symposium on". Gdansk: 2012, p. 2124-2131.
Títol: Multidimensional intelligent diagnosis system based on support vector machines classifier
Autor: Delgado Prieto, Miquel Veure Producció científica UPC; Ortega Redondo, Juan Antonio Veure Producció científica UPC; García Espinosa, Antonio Veure Producció científica UPC; Cárdenas Araújo, Juan José Veure Producció científica UPC; Romeral Martínez, José Luis Veure Producció científica UPC
Data: 2012
Tipus de document: Conference report
Resum: Heding the diagnostic requirements of electromechanical systems applied in automotive and aeronautical sectors, a multidimensional diagnostic system based on Support Vector Machine classifier is presented in this paper. In this context, different stationary and non-stationary speed and torque conditions are taken into account over an experimental actuator, in the same way, different single and combined failures scenarios are analyzed. In order to achieve a proper reliability in the diagnosis process, a multidimensional strategy is proposed: currents and vibrations from an electro-mechanical actuator are acquired. A great deal of features is calculated using statistical parameters from the acquired signals in time and frequency domain. Additionally, advanced time-frequency domain analysis techniques, such as Wavelet Packet Transform and Empirical Mode Decomposition, are used to achieve features which provide information in non-stationary conditions. The feature space dimensionality is analyzed by a feature reduction stage based on Partial Least Squares, which optimizes and reduces the feature set to be used for diagnosis proposes. The classification core is based on Support Vector Machine. Moreover, this work provides a performance comparison between the proposed classification algorithm and others such as Neural Network, k-Nearest Neighbor and Classification Trees. Experimental results are presented to demonstrate the feasibility and diagnostic capability of the proposed system
ISBN: 978-1-4244-9310-4
URI: http://hdl.handle.net/2117/16260
DOI: 10.1109/ISIE.2011.5984489
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