V rámci významného vývoja v oblasti mechanickej diagnostiky nová štúdia preukázala účinnosť kombinácie bispektra modulačného signálu (MSB) s konvolučnými neurónovými sieťami (CNN) pre diagnostiku porúch...špirálové kužeľové ozubené kolesáTento inovatívny prístup sľubuje zvýšenú presnosť, rýchlejšiu detekciu a inteligentnejší diagnostický systém pre vysokovýkonné prevodovky používané v...letecký, automobilový a priemyselný priemysel.

Špirálakužeľové ozubené kolesású kritické komponenty prevodovky, ktoré sa nachádzajú vo strojoch s vysokým krútiacim momentom, vrtuľníkoch, lodných pohonných systémoch a vysokovýkonných priemyselných reduktoroch. Vzhľadom na ich zložitú geometriu a prevádzkové podmienky zostáva včasná detekcia porúch ozubených kolies, ako sú jamky, opotrebovanie a zlomenie zubov, technickou výzvou. Tradičné techniky spracovania signálu často zápasia s rušením šumom a nelineárnymi charakteristikami porúch.

Nová metóda zavádza dvojstupňový rámec diagnostiky porúch. Najprv sa vibračné signály generované prevádzkovým prevodovým systémom analyzujú pomocou modulačného signálového bispektra (MSB), čo je technika spektrálnej analýzy vyššieho rádu, ktorá efektívne zachytáva nelineárne a negaussovské vlastnosti signálu. MSB pomáha odhaliť jemné modulované charakteristiky porúch, ktoré sú zvyčajne skryté v štandardných frekvenčných spektrách.

Spracované signálové dáta sa následne transformujú do časovo-frekvenčných obrazov a privádzajú sa do konvolučnej neurónovej siete (CNN), modelu hlbokého učenia, ktorý je schopný automaticky extrahovať znaky porúch na vysokej úrovni a klasifikovať stavy prevodov. Tento model CNN je trénovaný na rozlišovanie medzi zdravými prevodmi, menšími poruchami a vážnym poškodením pri rôznych podmienkach zaťaženia a rýchlosti.

Experimentálne výsledky, vykonané na špeciálne navrhnutom testovacom zariadení pre špirálové kužeľové ozubené kolesá, ukazujú, že prístup MSB CNN dosahuje presnosť klasifikácie viac ako 97 %, čím prekonáva tradičné metódy, ako je analýza založená na FFT a dokonca aj iné techniky hlbokého učenia, ktoré sa spoliehajú na nespracované údaje o vibráciách. Tento hybridný model navyše vykazuje vysokú odolnosť voči šumu pozadia, vďaka čomu je vhodný pre reálne priemyselné aplikácie.

Integrácia bispektra modulačného signálu s CNN nielen zlepšuje výkon rozpoznávania porúch, ale tiež znižuje závislosť od manuálneho inžinierstva prvkov, ktoré je tradične časovo náročným a od odborných znalostí závislým procesom. Metóda je škálovateľná a možno ju aplikovať aj na iné rotačné strojové komponenty, ako sú ložiská a...planétové prevody.

Tento výskum predstavuje krok vpred vo vývoji inteligentných systémov diagnostiky porúch pre Priemysel 4.0 a širšiu oblasť inteligentnej výroby. Keďže automatizácia a spoľahlivosť strojov sa stávajú čoraz dôležitejšími,