Diagnóstico de fallas en procesos técnicos: un enfoque basado en minería de datos y SVM
Resumen
El mayor inconveniente para la detección y diagnóstico de fallas en procesos técnicos basados en redundancia analítica es el requerimiento de un modelo muy preciso del sistema. Por el contrario, en los métodos basados en el manejo de datos no se requiere de un modelo preciso, ya que se fundamentan en la manipulación de la información por medio de los datos medidos. Así, en este trabajo se presentan técnicas de representación que permiten cuantificar la cantidad de información contenida en los datos recolectados de los sistemas de Monitoreo, Diagnostico y Detección (MDD). La representación obtenida es usada para la reconstrucción de los patrones de fallas, y seguidamente para su clasificación, empleando una máquina de aprendizaje de vectores de soporte (SVM), a objeto de lograr el diagnóstico de las fallas. Para verificación de los resultados se emplean datos generados por dos modelos, uno lineal, con un observador de estados y otro modelo no-lineal que representa el control de un levitador magnético. Se comparan los resultados usando una representación basada en índices estadísticos y otra basada en una aproximación polinómica; en ambos casos se logra la reconstrucción de patrones, que permite separar los distintos comportamientos dinámicos (fallas) con lo que se obtiene una clasificación entre las fallas (clases).
Palabras clave
Texto completo:
PDF
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.
![]() |
![]() | ![]() | ![]() | ![]() |