Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Cálculo de la vida útil remanente mediante trayectorias móviles entre hiperplanos de máquinas de de soporte vectorial: [Rul prediction using moving trajectories between svm hyper planes]
Luleå University of Technology, Department of Civil, Environmental and Natural Resources Engineering, Operation, Maintenance and Acoustics.ORCID iD: 0000-0002-4107-0991
UniZar, Instituto de Educación Secundaria Corona de Aragón, Zaragoza, Spain.
UniZar, Instituto de Educación Secundaria Corona de Aragón, Zaragoza, Spain.
UniZar, Instituto de Educación Secundaria Corona de Aragón, Zaragoza, Spain.
Show others and affiliations
2013 (Spanish)In: Interciencia, ISSN 0378-1844, Vol. 38, no 8, p. 556-562Article in journal (Refereed) Published
Abstract [es]

Se propone un nuevo método de predicción de vida útil remanente (RUL) inspirado en clasificadores de máquinas de soporte vectorial (SVM). Los datos históricos de condición de un sistema durante su tiempo de vida se utilizan para crear una clasificación mediante hiperplanos en SVM. Para estimar la RUL de un sistema, la velocidad de degradación se evalúa calculando la distancia mínima definida con base en las trayectorias de degradación; es decir, el acercamiento del sistema al hiperplano que segrega información de las condiciones buenas y malas en diferentes horizontes de tiempo. Se puede estimar la vida final de un componente específico, o la información de la RUL de una población ser calculada, mediante la agregación de múltiples estimaciones RUL usando un método de estimación de densidad. La degradación de un sistema se ve afectado por muchos factores desconocidos que, además de complicar los comportamientos de degradación, dificultan la recolección de datos con calidad. Debido a falta de conocimiento y medidas incompletas, normalmente se carece de información importante del contexto de los datos recogidos. Por ello se agrupan datos históricos del sistema con gran variedad de patrones de degradación, con los que la búsqueda de un modelo global depredicción RUL es extremadamente difícil. Esto lleva a buscar técnicas avanzadas de predicción más allá de los modelos tradicionales. El modelo propuesto desarrolla un método eficaz de predicción RUL que aborda múltiples retos en pronósticos de sistemas complejos. Las similitudes entre trayectorias de degradación pueden contrastarse para enriquecer las metodologías actuales de prognosis. Para verificar el modelo se emplean datos del monitorizado de condición en rodamientos.

Abstract [en]

We propose a new method for predicting remaining useful life ( RUL ) classifiers inspired by support vector machines ( SVM). Historical data of condition of a system during its lifetime are used to create a classification by hyperplanes in SVM. To estimate the RUL of a system , the degradation rate was assessed by calculating the minimum distance defined based on the degradation pathways , ie , the progressive approach hyperplane segregates information from both good and bad for different time horizons.One can estimate the final life of a specific component , or the information in the RUL of a population be calculated by aggregating multiple RUL estimates using a density estimation method . The degradation of a system is affected by many unknown factors , besides complicating degradation behaviors , difficult to collect quality data.Due to lack of knowledge and incomplete measurements , normally lacks important information on the context of the data collected . Therefore historical data of the system with a variety of degradation patterns are grouped , with the search for a global model RUL prediction is extremely difficult. This leads them to seek advanced forecasting techniques beyond traditional models. The proposed model develops an effective RUL prediction method that addresses multiple challenges in forecasting complex systems. The similarities between degradation pathways can be contrasted to enrich existing methodologies prognosis.

Place, publisher, year, edition, pages
2013. Vol. 38, no 8, p. 556-562
National Category
Other Civil Engineering
Research subject
Operation and Maintenance Engineering
Identifiers
URN: urn:nbn:se:ltu:diva-11090Scopus ID: 2-s2.0-84888871623Local ID: 9ff6d85b-39b0-4eb5-9f76-fa0efd06351bOAI: oai:DiVA.org:ltu-11090DiVA, id: diva2:984039
Note

Validerad; 2013; 20131211 (diegal)

Available from: 2016-09-29 Created: 2016-09-29 Last updated: 2023-11-03Bibliographically approved

Open Access in DiVA

No full text in DiVA

Other links

Scopushttp://www.redalyc.org/articulo.oa?id=33928557002

Authority records

Galar, Diego

Search in DiVA

By author/editor
Galar, Diego
By organisation
Operation, Maintenance and Acoustics
In the same journal
Interciencia
Other Civil Engineering

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 80 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf