<p>En este proyecto de título, es propuesta una estrategia utilizando descomposición valores singulares y una red neuronal recurrente -RNR- Elman para diagnosticar la severidad de fallo de rodamiento bajo condiciones de operación variable. La estructura de la RNN fue calibrada usando el algoritmo de aprendizaje de Levenberg-Marquardt -LM- y la mejor topología encontrada está constituida con 5 nodos de entrada, 6 nodos ocultos y 10 nodos de salida, cada nodo de salida representa un nivel de severidad de daño del rodamiento. Durante la fase de producción el modelo propuesto obtuvo una exactitud promedio de 99.73 por ciento correspondiente a veintes ejecuciones aleatoria de las muestras de testing</p>
<p>In this project, a strategy using singular values decomposition and a recurrent neural network -RNR- Elman is proposed to diagnose the severity of bearing failure under variable operating conditions. The structure of the RNN was calibrated using the learning algorithm of L-M and the best topology found is constituted with 5 input nodes, 6 hidden nodes and 10 output nodes, each output node represents a level of damage severity of the bearing. During the production phase, the proposed model obtained an average accuracy of 99.73 per cent corresponding to twenty random executions of the testing samples</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>En este proyecto de título, es propuesta una estrategia utilizando descomposición valores singulares y una red neuronal recurrente -RNR- Elman para diagnosticar la severidad de fallo de rodamiento bajo condiciones de operación variable. La estructura de la RNN fue calibrada usando el algoritmo de aprendizaje de Levenberg-Marquardt -LM- y la mejor topología encontrada está constituida con 5 nodos de entrada, 6 nodos ocultos y 10 nodos de salida, cada nodo de salida representa un nivel de severidad de daño del rodamiento. Durante la fase de producción el modelo propuesto obtuvo una exactitud promedio de 99.73 por ciento correspondiente a veintes ejecuciones aleatoria de las muestras de testing</p>
<p>In this project, a strategy using singular values decomposition and a recurrent neural network -RNR- Elman is proposed to diagnose the severity of bearing failure under variable operating conditions. The structure of the RNN was calibrated using the learning algorithm of L-M and the best topology found is constituted with 5 input nodes, 6 hidden nodes and 10 output nodes, each output node represents a level of damage severity of the bearing. During the production phase, the proposed model obtained an average accuracy of 99.73 per cent corresponding to twenty random executions of the testing samples</p>
