Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)Sandoval Rodríguez, Camilo LeonardoBarros, Andres AlejandroHerreño Ávila, Sergio Alberto2021-06-162021-06-162013-10-28http://repositorio.uan.edu.co/handle/123456789/3932In this paper, we present an algorithm for automatic classification of vibration patterns on rotating machinery affected by unbalance from spectral analysis. We developed this algorithm using case-based reasoning and various descriptors. The raised descriptors were: The root mean square value (RMS), the energy of Fourier spectra, the Higher Order frequency moments and the maximum value of the Fourier spectra. The job was to induce imbalance to a universal motor, taking the vibration signal in time domain by 3300 XL 8mm Proximity sensors and through a data acquisition card NI USB 6008, bringing data to the computer where we implemented a virtual instrument for capturing data and its subsequent transformation to obtain frequency spectrum. Consequently, we developed the algorithm in Matlab to automatically identify the imbalance present in the machine, using the technique of case-based reasoning, based on the calculation of the descriptors and the application of these within the algorithm implemented using the Euclidean distance as part of the decision mechanism among patterns without unbalancing vibration. The results show the RMS as the best performing descriptor for classification showed.En este trabajo, se desarrolla un algoritmo de clasificación automática de los patrones de vibración en maquinaria rotativa afectada por desbalanceo a partir del análisis espectral. En este sentido, se propuso un algoritmo experto usando razonamiento basado en casos y el planteamiento de diversos descriptores de la falla desde el punto de vista de los espectros. Los descriptores planteados fueron: El valor medio cuadrático (RMS), la energía, el valor máximo y los momentos de frecuencia de alto orden (HOFM).  El trabajo entonces consistió en inducir un desbalanceo a un motor universal, tomar la señal de vibración en el dominio del tiempo mediante sensores proximitor y mediante una tarjeta de adquisición de datos USB 6008 de National Instruments, llevar los datos al computador en donde se implementó un Instrumento virtual para la captura de los datos y su posterior transformación para la obtención del espectro de frecuencias. Posteriormente, se desarrolló un algoritmo en Matlab para identificar de manera automática el desbalanceo presente en la maquina, mediante la técnica de razonamiento basado en casos, a partir del cálculo de los descriptores y la aplicación de estos dentro del algoritmo implementado usando la distancia euclidiana como parte del mecanismo de decisión entre patrones de vibración con y sin desbalanceo. Los resultados obtenidos  revelan al RMS como el descriptor que mejor desempeño mostró para la clasificación.application/pdfspaAcceso abiertoVibrational analysisAnálisis vibracionalpattern recognitionreconocimiento de patronesfailure descriptors on rotating machinedescriptores de falla en maquina rotativaFourier spectrumespectro de Fourierinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2