Desarrollo de un sistema de predicción de falla de cojinete de turbina hidráulica basado en redes neuronales recurrentes con LSTM
Este trabajo presenta un sistema de pronóstico de falla de un cojinete de turbina hidráulica mediante la aplicación de dos técnicas de machine learning: modelos de regresión lineal y modelos de redes neuronales recurrentes LSTM con el uso de envolventes diarias, semanales y mensuales.
| Autores: | , |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2022 |
| País: | Ecuador |
| Institución: | Universidad Politécnica Salesiana |
| Repositorio: | Repositorio Universidad Politécnica Salesiana |
| Idioma: | español |
| OAI Identifier: | oai:dspace.ups.edu.ec:123456789/21930 |
| Acceso en línea: | http://dspace.ups.edu.ec/handle/123456789/21930 |
| Access Level: | acceso abierto |
| Palabra clave: | ELECTRÓNICA REDES NEURONALES (COMPUTADORES) APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) ANÁLISIS DE REGRESIÓN APRENDIZAJE SUPERVISADO LONG SHORT-TERM MEMORY |
| Sumario: | Este trabajo presenta un sistema de pronóstico de falla de un cojinete de turbina hidráulica mediante la aplicación de dos técnicas de machine learning: modelos de regresión lineal y modelos de redes neuronales recurrentes LSTM con el uso de envolventes diarias, semanales y mensuales. |
|---|