Predicción de vida útil restante en rodamientos mediante el análisis de señales de alta frecuencia con aprendizaje profundo

Ponente(s): Viridiana Itzel Méndez Vásquez, Dr. Víctor Hugo Muñíz Sánchez

Se presenta una metodología basada en técnicas de aprendizaje profundo para predecir el tiempo de vida útil restante (RUL) de componentes rotativos de máquinas utilizadas en la industria, específicamente de componentes denominados rodamientos o baleros, esta predicción se realiza a partir de los datos de vibración de dichos componentes. Las señales de vibración siguen el proceso de degradación hasta el fallo total del componente. El modelo utilizado para la predicción del RUL es la adaptación de un mecanismo de auto-atención de aspecto dual basado en Transformer denominado DAST, dicho modelo sigue la estructura encoder-decoder de un Transformer original. Se propone también un sistema de alarma temprana para la predicción del RUL, el cual consiste en obtener la predicción de la curtosis de las señales de vibración a diferentes tiempos, con el fin de detectar el primer fallo de la señal y a partir de ese momento obtener la predicción del RUL. En este sistema de alarma temprana se aplica la Transformada Wavelet Continua a segmentos de las señales de vibración para obtener así el Espectro de potencia que funcionan como los datos de entrada del encoder-decoder conformado por una 3D-CNN y una LSTM.