В значимо развитие в областта на механичната диагностика, ново проучване демонстрира ефективността на комбинирането на биспектъра на модулационния сигнал (MSB) с конволюционни невронни мрежи (CNN) за диагностика на повреди...спирални конусни зъбни колелаТози иновативен подход обещава подобрена точност, по-бързо откриване и по-интелигентна диагностична система за високопроизводителни скоростни кутии, използвани в...аерокосмически, автомобилни и промишлени приложения.

Спиралаконусни зъбни колеласа критични компоненти за трансмисията, намиращи се във високомощни машини, хеликоптери, морски задвижващи системи и тежкотоварни промишлени редуктори. Поради сложната им геометрия и експлоатационни условия, ранното откриване на повреди в зъбните колела, като например точкова кора, износване и счупване на зъбите, остава техническо предизвикателство. Традиционните техники за обработка на сигнали често се борят с шумови смущения и нелинейни характеристики на повредите.

Новият метод въвежда двуетапна рамка за диагностика на повреди. Първо, вибрационните сигнали, генерирани от работната система на зъбните колела, се анализират с помощта на модулационен сигнален биспектър (MSB) - техника за спектрален анализ от по-висок порядък, която ефективно улавя нелинейните и негаусови характеристики на сигнала. MSB помага за разкриването на фини модулирани характеристики на повреди, които обикновено са скрити в стандартните честотни спектри.

След това обработените сигнални данни се трансформират във времево-честотни изображения и се подават към конволюционна невронна мрежа (CNN) – модел за дълбоко обучение, способен автоматично да извлича характеристики на повреди на високо ниво и да класифицира състоянията на предавките. Този CNN модел е обучен да разграничава здрави предавки, незначителни повреди и сериозни повреди при различни условия на натоварване и скорост.

Експерименталните резултати, проведени на специално разработена тестова установка за спирални конусни зъбни колела, показват, че подходът MSB CNN постига над 97% точност на класификация, превъзхождайки традиционните методи като FFT анализ и дори други техники за дълбоко обучение, които разчитат на сурови данни за вибрациите. Освен това, този хибриден модел показва силна устойчивост на фонов шум, което го прави подходящ за реални индустриални приложения.

Интегрирането на биспектъра на модулационния сигнал с CNN не само подобрява производителността на разпознаване на повреди, но също така намалява зависимостта от ръчно проектиране на характеристики, което традиционно е времеемък и зависи от експертиза процес. Методът е мащабируем и може да се приложи към други въртящи се машинни компоненти, като лагери и...планетарни зъбни колела.

Това изследване представлява стъпка напред в разработването на интелигентни системи за диагностика на повреди за Индустрия 4.0 и по-широката област на интелигентното производство. Тъй като автоматизацията и надеждността на машините стават все по-важни,