V rámci významného vývoje v oblasti mechanické diagnostiky nová studie prokázala účinnost kombinace bispektra modulačního signálu (MSB) s konvolučními neuronovými sítěmi (CNN) pro diagnostiku poruch...spirálová kuželová ozubená kolaTento inovativní přístup slibuje vyšší přesnost, rychlejší detekci a inteligentnější diagnostický systém pro vysoce výkonné převodovky používané v...letecký, automobilový a průmyslový průmysl.

Spirálakuželová ozubená kolajsou kritické převodové komponenty, které se nacházejí ve strojích s vysokým točivým momentem, vrtulnících, lodních pohonných systémech a těžkých průmyslových reduktorech. Vzhledem k jejich složité geometrii a provozním podmínkám zůstává včasná detekce poruch ozubených kol, jako je důlková koroze, opotřebení a zlomení zubů, technickou výzvou. Tradiční techniky zpracování signálu se často potýkají s rušením šumem a nelineárními charakteristikami poruch.

Nová metoda zavádí dvoustupňový rámec pro diagnostiku poruch. Nejprve se vibrační signály generované provozním převodovým systémem analyzují pomocí modulačního signálového bispektra (MSB), což je technika spektrální analýzy vyššího řádu, která efektivně zachycuje nelineární a negaussovské vlastnosti signálu. MSB pomáhá odhalit jemné modulované charakteristiky poruch, které jsou obvykle skryty ve standardních frekvenčních spektrech.

Zpracovaná signálová data jsou následně transformována do časofrekvenčních obrazů a vložena do konvoluční neuronové sítě (CNN), což je model hlubokého učení, který je schopen automaticky extrahovat charakteristiky poruch na vysoké úrovni a klasifikovat stav převodů. Tento model CNN je trénován k rozlišení mezi zdravými převody, drobnými poruchami a vážným poškozením v různých podmínkách zatížení a rychlosti.

Experimentální výsledky, provedené na speciálně navrženém zkušebním zařízení pro spirálová kuželová ozubená kola, ukazují, že přístup MSB CNN dosahuje přesnosti klasifikace přes 97 %, čímž překonává tradiční metody, jako je analýza založená na FFT a dokonce i další techniky hlubokého učení, které se spoléhají na nezpracovaná data o vibracích. Tento hybridní model navíc vykazuje vysokou odolnost vůči šumu pozadí, což ho činí vhodným pro reálné průmyslové aplikace.

Integrace bispektra modulačního signálu s CNN nejen zlepšuje výkon rozpoznávání poruch, ale také snižuje závislost na ručním návrhu prvků, což je tradičně časově náročný a na odborných znalostech závislý proces. Metoda je škálovatelná a lze ji aplikovat i na další rotační strojní součásti, jako jsou ložiska a...planetové převody.

Tento výzkum představuje krok vpřed ve vývoji inteligentních systémů diagnostiky závad pro Průmysl 4.0 a širší oblast inteligentní výroby. Vzhledem k tomu, že automatizace a spolehlivost strojů se stávají stále důležitějšími,