Cálculo de la vida útil remanente mediante trayectorias móviles entre hiperplanos de máquinas de de soporte vectorial : [Rul prediction using moving trajectories between svm hyper planes]

• Se propone un nuevo método de predicción de vida útil remanente (RUL) inspirado en clasificadores de máquinas de soporte vectorial (SVM). Los datos históricos de condición de un sistema durante su tiempo de vida se utilizan para crear una clasificación mediante hiperplanos en SVM. Para estimar la RUL de un sistema, la velocidad de degradación se evalúa calculando la distancia mínima definida con base en las trayectorias de degradación; es decir, el acercamiento del sistema al hiperplano que segrega información de las condiciones buenas y malas en diferentes horizontes de tiempo. Se puede estimar la vida final de un componente específico, o la información de la RUL de una población ser calculada, mediante la agregación de múltiples estimaciones RUL usando un método de estimación de densidad. La degradación de un sistema se ve afectado por muchos factores desconocidos que, además de complicar los comportamientos de degradación, dificultan la recolección de datos con calidad. Debido a falta de conocimiento y medidas incompletas, normalmente se carece de información importante del contexto de los datos recogidos. Por ello se agrupan datos históricos del sistema con gran variedad de patrones de degradación, con los que la búsqueda de un modelo global depredicción RUL es extremadamente difícil. Esto lleva a buscar técnicas avanzadas de predicción más allá de los modelos tradicionales. El modelo propuesto desarrolla un método eficaz de predicción RUL que aborda múltiples retos en pronósticos de sistemas complejos. Las similitudes entre trayectorias de degradación pueden contrastarse para enriquecer las metodologías actuales de prognosis. Para verificar el modelo se emplean datos del monitorizado de condición en rodamientos.

• We propose a new method for predicting remaining useful life ( RUL ) classifiers inspired by support vector machines ( SVM). Historical data of condition of a system during its lifetime are used to create a classification by hyperplanes in SVM. To estimate the RUL of a system , the degradation rate was assessed by calculating the minimum distance defined based on the degradation pathways , ie , the progressive approach hyperplane segregates information from both good and bad for different time horizons.One can estimate the final life of a specific component , or the information in the RUL of a population be calculated by aggregating multiple RUL estimates using a density estimation method . The degradation of a system is affected by many unknown factors , besides complicating degradation behaviors , difficult to collect quality data.Due to lack of knowledge and incomplete measurements , normally lacks important information on the context of the data collected . Therefore historical data of the system with a variety of degradation patterns are grouped , with the search for a global model RUL prediction is extremely difficult. This leads them to seek advanced forecasting techniques beyond traditional models. The proposed model develops an effective RUL prediction method that addresses multiple challenges in forecasting complex systems. The similarities between degradation pathways can be contrasted to enrich existing methodologies prognosis.

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Samhällsbyggnadsteknik -- Annan samhällsbyggnadsteknik (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Civil Engineering -- Other Civil Engineering (hsv//eng)

Nyckelord

Operation and Maintenance Engineering

Drift och underhållsteknik

Publikations- och innehållstyp

ref (ämneskategori)

art (ämneskategori)