У новым даследаванні, якое стала значным дасягненнем у галіне механічнай дыягностыкі, была прадэманстравана эфектыўнасць спалучэння біспектра мадуляцыйнага сігналу (MSB) са згортачнымі нейроннымі сеткамі (CNN) для дыягностыкі няспраўнасцяў.спіральныя канічныя шасцярніГэты інавацыйны падыход абяцае павышаную дакладнасць, хутчэйшае выяўленне і больш інтэлектуальную дыягнастычную сістэму для высокапрадукцыйных каробак перадач, якія выкарыстоўваюцца ўаэракасмічнай, аўтамабільнай і прамысловай прамысловасці.

Спіральканічныя шасцярніз'яўляюцца найважнейшымі кампанентамі трансмісіі, якія сустракаюцца ў машынах з высокім крутоўным момантам, верталётах, марскіх рухавіках і цяжкіх прамысловых рэдуктарах. З-за іх складанай геаметрыі і ўмоў эксплуатацыі ранняе выяўленне няспраўнасцяў перадач, такіх як корозія, знос і паломка зуб'яў, застаецца тэхнічнай праблемай. Традыцыйныя метады апрацоўкі сігналаў часта маюць праблемы з шумавымі перашкодамі і нелінейнымі характарыстыкамі няспраўнасцяў.

Новы метад уводзіць двухэтапную сістэму дыягностыкі няспраўнасцей. Спачатку вібрацыйныя сігналы, якія генеруюцца рабочай рэдуктарнай сістэмай, аналізуюцца з выкарыстаннем біспектра мадуляцыйнага сігналу (MSB) — метаду спектральнага аналізу вышэйшага парадку, які эфектыўна фіксуе нелінейныя і негаўсаўскія асаблівасці сігналу. MSB дапамагае выявіць тонкія мадуляваныя характарыстыкі няспраўнасцей, якія звычайна схаваныя ў стандартных частотных спектрах.

Далей апрацаваныя сігнальныя дадзеныя пераўтвараюцца ў часова-частотныя выявы і падаюцца ў згортачную нейронную сетку (CNN) — мадэль глыбокага навучання, здольную аўтаматычна выяўляць прыкметы няспраўнасцей высокага ўзроўню і класіфікаваць стан перадач. Гэтая мадэль CNN навучаецца адрозніваць спраўныя перадачы, нязначныя няспраўнасці і сур'ёзныя пашкоджанні пры розных умовах нагрузкі і хуткасці.

Вынікі эксперыментаў, праведзеных на спецыяльна распрацаваным выпрабавальным стэндзе для спіральных канічных зубчастых колаў, паказваюць, што падыход MSB CNN дасягае дакладнасці класіфікацыі больш за 97%, пераўзыходзячы традыцыйныя метады, такія як аналіз на аснове хуткага пераўтварэння Фур'е і нават іншыя метады глыбокага навучання, якія абапіраюцца на неапрацаваныя дадзеныя аб вібрацыі. Больш за тое, гэтая гібрыдная мадэль дэманструе высокую ўстойлівасць да фонавага шуму, што робіць яе прыдатнай для рэальных прамысловых ужыванняў.

Інтэграцыя біспектра мадуляцыйнага сігналу з CNN не толькі паляпшае эфектыўнасць распазнавання няспраўнасцей, але і памяншае залежнасць ад ручной распрацоўкі характарыстык, якая традыцыйна з'яўляецца працаёмкім і патрабуе ад экспертаў працэсам. Метад маштабуецца і можа быць ужыты да іншых кампанентаў круцільных машын, такіх як падшыпнікі іпланетарныя перадачы.

Гэта даследаванне ўяўляе сабой крок наперад у распрацоўцы інтэлектуальных сістэм дыягностыкі няспраўнасцей для Прамысловасці 4.0 і больш шырокай сферы разумнай вытворчасці. Паколькі аўтаматызацыя і надзейнасць машын становяцца ўсё больш важнымі,