Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/13160
Título
Diagnóstico de fallos en motores con técnicas de Machine Learning
Autor
Director o Tutor
Año del Documento
2014
Titulación
Grado en Ingeniería en Organización Industrial
Zusammenfassung
En el presente trabajo se ha estudiado la aplicación de dos técnicas de machine learning, K-Nearest Neighbour y Support Vector Machine, al problema del diagnóstico de la rotura de una barra del rotor de un motor de inducción jaula de ardillas con el objetivo de construir varios clasificadores capaces de distinguir entre diferentes estados de rotura en una de las barras midiendo una serie de caracterísiticas. Adicionalmente, este trabajo permite comparar el comportamiento de estas técnicas de clasificación de aparición relativamente reciente y que están siendo incorporadas en multitud de aplicaciones prácticas como la que aquí se describe. Los métodos han sido entrenados a través de una base de datos, obtenidos a través de la experimentación con un motor real sometido a diferentes grados de rotura en una de sus barras.
Materias (normalizadas)
Machine learning
Motores de induccion - Diseño y construcción
Departamento
Departamento de Estadística e Investigación Operativa
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Grado UVa [28700]
Dateien zu dieser Ressource
![Attribution-NonCommercial-NoDerivatives 4.0 International](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)