Show simple item record

dc.contributorMorcego Seix, Bernardo
dc.contributorTrilla, Alexandre
dc.contributor.authorFernández Pérez, Verónica Rocío
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial
dc.date.accessioned2019-12-10T10:14:28Z
dc.date.available2019-12-10T10:14:28Z
dc.date.issued2019-07-18
dc.identifier.urihttp://hdl.handle.net/2117/173685
dc.description.abstractEn un entorno ferroviario, el fallo de un rodamiento durante el servicio provoca un funcionamiento anormal de la maquinaria pudiendo causar, además de grandes pérdidas económicas, el descarrilamiento. Por tanto, se consideran componentes críticos de seguridad y la monitorización de la condición y la diagnosis de fallos es indispensable [1], [2]. Con el fin de afinar el diagnóstico del estado, este estudio desarrolla diferentes metodologías para clasificar las señales de vibración de dichos elementos usando técnicas de inteligencia artificial, principalmente los dos enfoques dados a los mapas autoorganizados o SOM (self-organizing maps). El primer enfoque evalúa el SOM como clasificador comparándolo con un perceptrón multicapa (MLP). El segundo enfoque determina los efectos de reducir la dimensionalidad con el SOM en la entrada de un MLP, usado como clasificador. Además, también se estudia los efectos de otra técnica de reducción de dimensionalidad basada en la decorrelación de características. Respecto al primer enfoque, se concluye que el SOM funciona mejor como clasificador que el MLP, independientemente de la dimensionalidad de la entrada. En relación al segundo enfoque, se concluye que los efectos de la reducción de dimensionalidad por decorrelación son mayores que los del SOM, obteniendo mejores resultados con la combinación de ambas técnicas. En conclusión, la mejor metodología se compone de la extracción de 11 características, reducción de dimensionalidad con la técnica de decorrelación y clasificación con el SOM
dc.language.isospa
dc.publisherUniversitat Politècnica de Catalunya
dc.subjectÀrees temàtiques de la UPC::Informàtica::Intel·ligència artificial
dc.subject.lcshArtificial intelligence
dc.subject.lcshRolling contact
dc.subject.lcshSelf-organizing maps
dc.subject.lcshPerceptrons
dc.subject.lcshNeural networks (Computer science)
dc.subject.lcshRailroads
dc.subject.otherInteligencia artificial
dc.subject.otherSOM
dc.subject.otherMLP
dc.subject.otherRodamientos
dc.titleEstudio para el desarrollo de una metodología para el diagnóstico de rodamientos ferroviarios usando técnicas de inteligencia artificial
dc.typeMaster thesis
dc.subject.lemacIntel·ligència artificial
dc.subject.lemacXarxes Neuronals Artificials Directes (ANN)
dc.subject.lemacPerceptrons
dc.subject.lemacContacte de rodament
dc.subject.lemacSistemes autoorganitzatius
dc.subject.lemacFerrocarrils
dc.identifier.slugPRISMA-144604
dc.rights.accessOpen Access
dc.date.updated2019-10-14T09:12:15Z
dc.audience.educationlevelMàster
dc.audience.mediatorEscola Superior d'Enginyeries Industrial, Aeroespacial i Audiovisual de Terrassa
dc.contributor.covenanteeAlstom


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

All rights reserved. This work is protected by the corresponding intellectual and industrial property rights. Without prejudice to any existing legal exemptions, reproduction, distribution, public communication or transformation of this work are prohibited without permission of the copyright holder