Mehaanilise diagnostika valdkonna olulise arenguna on uus uuring näidanud modulatsioonisignaali bispektri (MSB) ja konvolutsiooniliste närvivõrkude (CNN) kombineerimise efektiivsust rikete diagnoosimisel.spiraalsed kaldhammasrattadSee uuenduslik lähenemisviis lubab suuremat täpsust, kiiremat tuvastamist ja intelligentsemat diagnostikasüsteemi suure jõudlusega käigukastidele, mida kasutatakselennunduses, autotööstuses ja tööstuslikes rakendustes.

Spiraalkaldhammasrattadon kriitilise tähtsusega käigukasti komponendid, mida leidub suure pöördemomendiga masinates, helikopterites, mere jõuseadmetes ja rasketes tööstusreduktorites. Nende keerulise geomeetria ja töötingimuste tõttu on käigukasti rikete, näiteks aukude, kulumise ja hammaste purunemise varajane tuvastamine endiselt tehniline väljakutse. Traditsioonilised signaalitöötlusmeetodid näevad sageli vaeva mürainterferentsi ja mittelineaarsete rikete karakteristikutega.

Uus meetod tutvustab kaheastmelist rikete diagnoosimise raamistikku. Esmalt analüüsitakse töökäigukasti tekitatud vibratsioonisignaale modulatsioonisignaali bispektri (MSB) abil, mis on kõrgema astme spektraalanalüüsi tehnika, mis tõhusalt tabab signaali mittelineaarseid ja mitte-Gaussi tunnuseid. MSB aitab paljastada peeneid moduleeritud rikete omadusi, mis on standardsetes sagedusspektrites tavaliselt peidetud.

Seejärel teisendatakse töödeldud signaaliandmed aeg-sageduslikeks kujutisteks ja suunatakse konvolutsioonilisse närvivõrku (CNN), mis on süvaõppemudel, mis suudab automaatselt tuvastada kõrgetasemelisi rikkeid ja klassifitseerida käikude seisukorda. See CNN-mudel on treenitud eristama terveid käike, väiksemaid rikkeid ja tõsiseid kahjustusi erinevate koormus- ja kiirustingimuste korral.

Kohandatud spiraalhammasratta katseseadmel läbi viidud eksperimentaalsed tulemused näitavad, et MSB CNN-lähenemisviis saavutab üle 97% klassifitseerimistäpsuse, edestades traditsioonilisi meetodeid, nagu FFT-põhine analüüs ja isegi muud süvaõppe tehnikad, mis tuginevad töötlemata vibratsiooniandmetele. Lisaks on sellel hübriidmudelil tugev vastupidavus taustamürale, mistõttu see sobib reaalsetes tööstusrakendustes kasutamiseks.

Modulatsioonisignaali bispektri integreerimine CNN-iga mitte ainult ei paranda rikete tuvastamise jõudlust, vaid vähendab ka sõltuvust käsitsi tehnilistest muudatustest, mis on traditsiooniliselt aeganõudev ja eriteadmistest sõltuv protsess. Meetod on skaleeritav ja seda saab rakendada ka teistele pöörlevate masinate komponentidele, näiteks laagritele japlanetaarkäigukastid.

See uuring kujutab endast sammu edasi intelligentsete rikkediagnostika süsteemide arendamisel tööstus 4.0 ja laiema nutika tootmise valdkonna jaoks. Kuna automatiseerimine ja masinate töökindlus muutuvad üha olulisemaks,