Please use this identifier to cite or link to this item:
http://repositorio.ugto.mx/handle/20.500.12059/11831
Title: | Análisis de señales de vibración mediante un arreglo reflectivo de fibra óptica empleando técnicas de aprendizaje automático |
Authors: | KRISTY CAROLINA ESCALANTE SÁNCHEZ |
Authors' IDs: | info:eu-repo/dai/mx/cvu/1193144 |
Contributor: | JUAN MANUEL SIERRA HERNANDEZ |
Contributor's IDs: | info:eu-repo/dai/mx/cvu/175106 |
Abstract: | Este proyecto presenta una metodología que combina un arreglo reflectivo de fibra óptica con técnicas de aprendizaje automático para analizar y clasificar señales de vibración en sistemas de vigas cantiléver. Este enfoque consta de dos etapas principales, el sistema de adquisición de datos y la metodología para la clasificación de fallas. Como primer punto, se implementa y valida el arreglo modulado por la reflexión de luz producto del desplazamiento entre la fibra y la superficie de la viga. A partir de las señales de vibración capturadas con el arreglo se construye una base de datos con múltiples escenarios, que dan lugar a los subconjuntos de datos BD1, BD2 y BD3. En la segunda etapa del proyecto se propone y evalúa la metodología de clasificación compuesta por una técnica de reducción de dimensionalidad (Análisis de componentes principales (PCA), Análisis discriminaste lineal (LDA)), y un algoritmo de aprendizaje supervisado (k-Vecinos cercanos (KNN), Máquina de soporte vectorial (SVM), Árboles de decisión (DT)). Los resultados obtenidos de la evaluación preliminar para determinar la presencia y nivel de daños en una viga, alcanza una exactitud superior al 96% para tres de las cuatro técnicas utilizadas. La prueba DB1 centrada en la presencia de daños y no en las condiciones del sistema, obtiene un 80.24% con la combinación PCA+KNN. Por su parte, los mejores resultados para las pruebas BD2 y BD3 que contemplan clases específicas, surgen producto de LDA+SVM. La prueba BD2 que clasifica los 63 posibles casos de fallos, consigue un 80.25% de exactitud; mientras que BD3 logra 78.41% luego de agregar el estado sano y crear un desbalance para las 64 clases. La integración del arreglo óptico con la combinación correcta de técnicas de aprendizaje automático puede ofrecer un rendimiento eficiente en el análisis y clasificación de señales de vibración en diversos contextos, esto demuestra un gran potencial para aplicaciones de monitoreo estructural y mecánico. |
Issue Date: | Jun-2024 |
Publisher: | Universidad de Guanajuato |
License: | http://creativecommons.org/licenses/by-nc-nd/4.0 |
URI: | http://repositorio.ugto.mx/handle/20.500.12059/11831 |
Language: | spa |
Appears in Collections: | Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
KRISTY CAROLINA ESCALANTE SÁNCHEZ_TesisMtriaCorregida24.pdf | 9.66 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.