Reconocimiento de cavitación y anomalías en una bomba hidráulica con técnicas de aprendizaje automático

Abstract

En este trabajo final de investigación aplicada se propone una metodología para registrar señales de vibraciones de una bomba centrífuga, transformar las señales, seleccionar características, reducir la dimensionalidad y finalmente entrenar modelos de aprendizaje automático. El objetivo de los modelos es realizar una clasificación binaria entre dos posibles estados: normal y cavitación. Adicionalmente se construye un modelo que detecta anomalías en una bomba centrífuga. Se usaron diversas técnicas del área de procesamiento digital de las señales, como por ejemplo, la transformada discreta de Fourier y el operador de convolución en una dimensión para extraer características de las vibraciones. Se seleccionan las características usando análisis de varianza y finalmente se aplican diversas técnicas para reducir la dimensionalidad. Las pruebas muestran que los modelos son capaces de detectar todos los ejemplos disponibles de prueba y se usan datos de validación cruzada para garantizar la generalidad dentro del contexto planteado. Este proyecto muestra que el fenómeno de cavitación puede ser identificable con una combinación de un adecuado procesamiento de las señales, acompañado de métodos estadísticos y reducciones de la dimensionalidad.