Mostrar el registro sencillo del ítem

dc.contributor.authorHernández-Muriel, José Alberto
dc.contributor.authorÁlvarez-Meza, Andrés Marino
dc.contributor.authorEcheverry-Correa, Julián David
dc.contributor.authorOrozco-Gutierrez, Álvaro Ángel
dc.contributor.authorÁlvarez-López, Mauricio Alexánder
dc.date.accessioned2019-07-18T14:13:13Z
dc.date.accessioned2019-08-22T13:53:38Z
dc.date.available2019-07-18T14:13:13Z
dc.date.available2019-08-22T13:53:38Z
dc.date.issued2017-05-02
dc.identifierhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/698
dc.identifier10.22430/22565337.698
dc.identifier.urihttp://hdl.handle.net/20.500.12622/1013
dc.description.abstractEl monitoreo de condición de motores de combustión interna (MCI) facilita que las operaciones del sector industrial moderno sean más rentables. En este sentido, las señales de vibración comúnmente son empleadas como un enfoque no invasivo para el análisis de MCI. Sin embargo, el monitoreo de MCI basado en vibraciones presenta un desafío relacionado con las propiedades de la señal, la cual es altamente dinámica y noestacionaria, sin mencionar las diversas fuentes presentes durante el proceso de combustión. En este artículo, se propone una estrategia de análisis de relevancia orientada al monitoreo de MCI basado en vibraciones. Este enfoque incorpora tres etapas principales: descomposición de la señal utilizando un algoritmo de Ensemble Empirical Mode Decomposition, estimación de parámetros multi-dominio desde representaciones en tiempo y frecuencia, y una selección supervisada de características basada en Relief-F. Así, las señales de vibración se descomponen utilizando un análisis auto-adaptativo para representar la no-linealidad y no-estacionariedad de las series de tiempo. Luego, para codificar dinámicas complejas y/o no estacionarias, se calculan algunos parámetros en el dominio del tiempo y de la frecuencia. Posteriormente, se calcula un vector de índice de relevancia para cuantificar la contribución de cada una de las características multidominio para discriminar diferentes categorías de estimación de mezcla de combustible y diagnóstico de MCI. Los resultados de clasificación obtenidos (cercanos al 98% de acierto) en una base de datos de MCI, revelan como la propuesta planteada identifica un subconjunto de características relevantes en el monitorio de condición de MCI.spa
dc.format.mimetypeapplication/pdf
dc.language.isoeng
dc.publisherInstituto Tecnológico Metropolitano (ITM)spa
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/698/680
dc.rightshttps://creativecommons.org/licenses/by/3.0/deed.es_ESspa
dc.source2256-5337
dc.source0123-7799
dc.sourceTecnoLógicas; Vol 20 No 39 (2017); 157-172eng
dc.sourceTecnoLógicas; Vol. 20 Núm. 39 (2017); 157-172spa
dc.subjectMotores de combustión internaspa
dc.subjectseñales de vibraciónspa
dc.subjectcaracterísticas multi-dominiospa
dc.subjectanálisis de relevanciaspa
dc.subjectselección de característicasspa
dc.titleEstimación de características relevantes para el monitoreo de condición de motores de combustión interna a partir de señales de vibraciónspa
dc.title.alternativeFeature relevance estimation for vibration-based condition monitoring of an internal combustion engine
dc.subject.keywordsInternal combustion engineseng
dc.subject.keywordsvibration signaleng
dc.subject.keywordsmulti-domain featureseng
dc.subject.keywordsrelevance analysiseng
dc.subject.keywordsfeature selectioneng
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeResearch Paperseng
dc.typeArtículos de investigaciónspa
dc.relation.ispartofjournalTecnoLógicas
dc.description.abstractenglishCondition monitoring of Internal Combustion Engines (ICE) benefits cost-effective operations in the modern industrial sector. Because of this, vibration signals are commonly monitored as part of a non-invasive approach to ICE analysis. However, vibration-based ICE monitoring poses a challenge due to the properties of this kind of signals. They are highly dynamic and non-stationary, let alone the diverse sources involved in the combustion process. In this paper, we propose a feature relevance estimation strategy for vibration-based ICE analysis. Our approach is divided into three main stages: signal decomposition using an Ensemble Empirical Mode Decomposition algorithm, multi-domain parameter estimation from time and frequency representations, and a supervised feature selection based on the Relief-F technique. Accordingly, we decomposed the vibration signals by using self-adaptive analysis to represent nonlinear and non-stationary time series. Afterwards, time and frequency-based parameters were calculated to code complex and/or non-stationary dynamics. Subsequently, we computed a relevance vector index to measure the contribution of each multi-domain feature to the discrimination of different fuel blend estimation/diagnosis categories for ICE. In particular, we worked with an ICE dataset collected from fuel blends under normal and fault scenarios at different engine speeds to test our approach. Our classification results presented nearly 98% of accuracy after using a k-Nearest Neighbors machine. They reveal the way our approach identifies a relevant subset of features for ICE condition monitoring. One of the benefits is the reduced number of parameters.eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.type.coarhttp://purl.org/coar/resource_type/c_6501


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem