UAM_Biblioteca | Unified search engine | Scientific Production Portal | UAM Research Data Repository
Universidad Autónoma de Madrid
Biblos-e Archivo
We are onFacebookCanal BiblosYouTubeTwitterPinterestWhatsappInstagram
    • español
    • English
  • English 
    • español
    • English
  • Log in
JavaScript is disabled for your browser. Some features of this site may not work without it.

Search Biblos-e Archivo

Advanced Search

Browse

All of Biblos-e ArchivoCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsFacultiesThis CollectionBy Issue DateAuthorsTitlesSubjectsFaculties

My Account

Log inRegister

Statistics

View Usage Statistics

Help

Information about Biblos-e ArchivoI want to submit my workI want to submit my doctoral thesisFrequently Asked QuestionsCopyrightsFinancial Agencies and OA policy

UAM_Biblioteca

View Item 
  •   Biblos-e Archivo
  • 2 - Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • View Item
  •   Biblos-e Archivo
  • 2 - Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • View Item

Detección de fallos en motores de inducción por medio del uso de técnicas de aprendizaje automático no supervisado

Author
Jara Ovkaric, Ivo Alonzo
Advisor
Fernández Pascual, Ángelauntranslated; Dorronsoro Ibero, José Ramónuntranslated
Entity
UAM. Departamento de Ingeniería Informática
Date
2021-09
Subjects
Deteccion de fallos; Kernel Principal Component Analysis; Motores de inducción; Informática
URI
http://hdl.handle.net/10486/700220
Note
Máster Universitario en Investigación e Innovación en Inteligencia Computacional y Sistemas Interactivos (MUI2-ICSI)

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Abstract

En este documento se abordara la aproximacion a la deteccion de fallos en motores de induccion por medio del uso de algoritmos de aprendizaje automatico no supervisado. Para esto se analizara la literatura de deteccion de fallos para encontrar cuales de las senales producidas por los motores de induccion serıan las mejores entradas del algoritmo y la calidad de los resultados obtenidos por otros algoritmos de aprendizaje autom´atico no supervisado. Posteriormente, se probara la deteccion de motores que presenten fallos dentro un conjunto de muestras usando los algoritmos Kernel Principal Component Analysis (KPCA) o Spectral Clustering (SC); siendo el objetivo principal poder separar los motores sanos de aquellos que presentan algun fallo. Al finalizar las pruebas se encontro que con KPCA era posible separar en distintos clusters segun el tipo de fallo un subconjunto de los motores disponibles donde se dispon´ıa de la misma cantidad de muestras por clase; no obstante, al generalizar a todas las muestras el resultado no fue el esperado. Por otro lado, SC no consiguio buenos resultados ni con el conjunto o subconjunto de muestras. Estos resultados podran deberse principalmente a que se dispone de muy pocas muestras de motores sanos en comparacion con el resto de clases, por lo que a los algoritmos se les dificulta el trabajo de diferenciarlos. A partir de esto se concluye que, si bien no se consiguieron los resultados esperados en este trabajo, es posible que los algoritmos de aprendizaje automatico no supervisado puedan detectar fallos en motores de induccion de disponerse de un conjunto de muestras mas grande y equilibrado para cada clase de fallo.
Show full item record

Files in this item

Thumbnail
Name
jara_ovkaric_ivo_alonzo_tfm.pdf
Size
2.505Mb
Format
PDF

Refworks Export

Delicious Save this on Delicious

Google™ Scholar:Jara Ovkaric, Ivo Alonzo

This item appears in the following Collection(s)

  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.) [19244]

Related items

Showing items related by title, author, creator and subject.

  • Aplicación de técnicas de aprendizaje automático para la detección de emociones en personas con TEA 

    Hernanz Rodríguez, Eduardo
    2018-03
  • Aplicación de métodos estadísticos, económicos y de aprendizaje automático para la detección para la detección de la corrupción 

    Alvarez-Jareño, José A.; Badal-Valero, Elena; Pavía, Jose M.
    2020
  • Estudio y Propuesta de Nuevos Métodos de Aprendizaje Automático para la Detección de Grupos de Edad en Niños a través de la Interacción con los Dispositivos Móviles 

    Ruiz García, Juan Carlos
    2021-06
All the documents from Biblos-e Archivo are protected by copyrights. Some rights reserved.
Universidad Autónoma de Madrid. Biblioteca
Contact Us | Send Feedback
We are onFacebookCanal BiblosYouTubeTwitterPinterestWhatsappInstagram
 

 

All the documents from Biblos-e Archivo are protected by copyrights. Some rights reserved.
Universidad Autónoma de Madrid. Biblioteca
Contact Us | Send Feedback
We are onFacebookCanal BiblosYouTubeTwitterPinterestWhatsappInstagram