RT info:eu-repo/semantics/bachelorThesis
T1 Diagnóstico de fallos en motores con técnicas de Machine Learning
A1 Gordo Martín, Daniel
A2 Universidad de Valladolid. Escuela de Ingenierías Industriales
K1 Machine learning
K1 Motores de induccion - Diseño y construcción
AB 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.
YR 2014
FD 2014
LK http://uvadoc.uva.es/handle/10324/13160
UL http://uvadoc.uva.es/handle/10324/13160
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 23-may-2024