LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

CREEM2020

CREEM2020

Intelligent Hybrid Method Based on 1D-CNN and SVM Applied to Gear Fault Diagnosis

Submission Author: Vinícius Serra Vianna , SP , Brazil
Co-Authors: Vinícius Serra Vianna, Milton Dias Junior
Presenter: Vinícius Serra Vianna

doi://10.26678/ABCM.CREEM2020.CRE2020-0230

 

Abstract

The features of nonlinearity and non-stationarity in real systems are often difficult to be extracted. This paper focuses on developing a Convolutional Neural Network (CNN) to obtain features directly from the original vibration signals of a gearbox with different pinion conditions. Experimental data is used to show the efficiency of the presented method. Support Vector Machine (SVM) is utilized to classify feature sets extracted with 1D-CNN. The obtained results show that the features extracted in this method have excellent quality for fault classification without any additional feature selection.

Keywords

gearbox, 1D-CNN, svm, Fault Detection

 

DOWNLOAD PDF VIEW PRESENTATION

 

‹ voltar para anais de eventos ABCM