Application of diagnostic preprocessing techniques integrated with machine learning methods for the detection and classification of bearing damages

La presente tesi di dottorato è dedicata allo sviluppo di metodologie diagnostiche avanzate per cuscinetti volventi, basate sull’integrazione di tecniche di preprocessing dei segnali e metodi di machine learning. Il lavoro affronta le criticità legate all’analisi di segnali vibrazionali rumorosi, non stazionari e ad alta dimensionalità, tipici dei contesti operativi reali. Un ruolo centrale è attribuito alla progettazione di strategie di preprocessing finalizzate all’esaltazione delle informazioni diagnostiche attraverso l’estrazione, la trasformazione e la selezione delle caratteristiche. Tali strategie sono combinate con modelli di machine learning di tipo data-driven e ibrido, con l’obiettivo di migliorare l’affidabilità e l’efficacia dei processi di individuazione e classificazione dei guasti. L’approccio proposto mette in evidenza l’importanza del preprocessing come elemento chiave per una diagnostica intelligente, robusta e applicabile in ambito industriale.