Valve Fault Diagnosis in Internal Combustion Engines Using Acoustic Emission and Artificial Neural Network

Jafari, SM; Mehdigholi, Hamid; Behzad, Mahdi

doi:10.1155/2014/823514

Cited by 28 publications

(13 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Jafari et al used an artificial neural network (ANN) to distinguish the fault types in valves by the AE features. The results were well satisfied with experimental results [53]. Mao et al had a real-time fast Fourier transform (FFT) analysis of AE signals, which was developed for monitoring laser welding processes.…”

Section: The New Analysis Methods Of Ae Signalssupporting

confidence: 72%

Nondestructive Detection of Valves Using Acoustic Emission Technique

Jin

Heng-hu

Hong

et al. 2015

Advances in Materials Science and Engineering

View full text Add to dashboard Cite

The applications of acoustic emission (AE) technique in detection of valves are presented in this review, and the theoretical models and experimental results of nondestructive detection of valves using AE are provided. The generation of AE signals and the basic composition of AE detection system are briefly explained. The applications of AE technique in valves are focused on condition monitoring, failure, cavitation detection, and the development of portable measuring devices. All results prove that the AE technique works well in the detection of valves.

show abstract

Section: The New Analysis Methods Of Ae Signalssupporting

confidence: 72%

Nondestructive Detection of Valves Using Acoustic Emission Technique

Jin

Heng-hu

Hong

et al. 2015

Advances in Materials Science and Engineering

View full text Add to dashboard Cite

show abstract

“…Por ejemplo, una RNA multicapa modular se implementa en [9] para el diagnóstico de fallas en líneas de transmisión eléctrica. En [10] se presenta una RNA jerárquica en la etapa de clasificación dentro de un esquema de monitoreo basado en condición, utilizado para la detección de fallas en rodamientos, mientras que en [11][12] la emisión acústica es utilizada para entrenar una RNA multicapa empleada en el diagnóstico de fallas en las válvulas de un motor de combustión interna. Al igual que en la lógica difusa, las RNA se utilizan como estrategias de agrupamiento y clasificación, permitiendo al experto del proceso definir estados de falla, estado intermedios y estados normales de funcionamiento dentro del diagnóstico automático [2].…”

Section: Diagnosis Of Industrial Processes Through Prediction Of Funcunclassified

“…Con el fin de mantener la relación con la predicción de la dinámica de las variables de los sistemas de prueba, se utilizaron las mismas bases de datos implementadas en la etapa de configuración de las MRNAs. El objeto (vector característico) x i de cada proceso se muestran en (10)(11).…”

Section: B Sintonización De Los Clasificadores Fcm Para Los Sistemasunclassified

Diagnóstico de procesos industriales mediante predicción de estados funcionales con inteligencia artificial

López-Lezama

2019

Sci. tech

View full text Add to dashboard Cite

Este artículo presenta el diseño de una estrategia inteligente, para el diagnóstico automático de procesos industriales mediante la predicción con Redes Neuronales Artificiales (RNAs) y clasificación difusa. Para diseñar la estrategia de diagnóstico se utilizó información histórica del proceso. La clasificación fue implementada como herramienta para el agrupamiento difuso de patrones. Las RNAs de configuración multicapa fueron entrenadas para predecir los estados funcionales del proceso. Las salidas en la etapa de predicción son las entradas del clasificador. En el esquema de diagnóstico propuesto la estimación de los estados funcionales es presentada a los operarios de los procesos, como información futura para generar las acciones preventivas antes de la transición hacia un estado de falla. La estrategia propuesta fue implementada sobre un sistema de control convencional; y sobre un sistema de producción de aire medicinal.

show abstract

“…Los investigadores Chen y Randall entrenaron una RNA para el análisis del dominio del tiempo que utiliza las características paramétricas de las emisiones acústicas (AE), para detectar daños en las válvulas de los MCI [14].…”

Section: Introductionunclassified

Determinación de la presión máxima de compresión de un MEP basado en una RNAR

Urgilés¹,

Arichávala²,

Jérez³

2018

ings

View full text Add to dashboard Cite

En la presente investigación se realiza la explicación de la metodología aplicada a la determinación de la presión máxima de compresión de un motor de combustión interna alternativo de encendido provocado (MEP), el cual se basa en un estudio que parte de la caracterización de las curvas del consumo de amperaje del motor de arranque. Se aplica un protocolo de adquisición de datos y su posterior análisis estadístico. Los valores estadísticos de la señal como energía, promedio, desviación estándar, varianza, kurtosis, asimetría, máximo, mínimo y factor de cresta son seleccionados en función al mayor aporte de información para la caracterización del experimento; estos valores generan bases de datos las cuales son aplicadas para la creación y entrenamiento de una red neuronal artificial recurrente (RNAR) en la cual se obtiene un error absoluto menor al 2 \%. En una primera instancia se aplica la metodología de pruebas en un motor ensamblado en un banco didáctico y luego se procede a la aplicación del método en motores aplicados en vehículos.

show abstract

Valve Fault Diagnosis in Internal Combustion Engines Using Acoustic Emission and Artificial Neural Network

Cited by 28 publications

References 15 publications

Nondestructive Detection of Valves Using Acoustic Emission Technique

Nondestructive Detection of Valves Using Acoustic Emission Technique

Diagnóstico de procesos industriales mediante predicción de estados funcionales con inteligencia artificial

Determinación de la presión máxima de compresión de un MEP basado en una RNAR

Contact Info

Product

Resources

About