Ný rannsókn, sem er mikilvæg framþróun á sviði vélrænnar greiningar, hefur sýnt fram á árangur þess að sameina tvívídd mótunarmerkja (MSB) og fellingartauganet (CNN) til að greina bilanir í ...spíralskálhjólÞessi nýstárlega aðferð lofar aukinni nákvæmni, hraðari greiningu og gáfaðri greiningarkerfi fyrir afkastamiklar gírkassa sem notaðir eru íflug- og geimferðaiðnað, bílaiðnað og iðnað.

Spíralkeilulaga gírareru mikilvægir íhlutir í gírkassa sem finnast í vélum með háu togi, þyrlum, skipaknúningskerfum og þungum iðnaðargírkassa. Vegna flókinnar lögunar og rekstrarskilyrða er snemmbúin greining á gírgöllum eins og holum, sliti og tönnabrotum enn tæknileg áskorun. Hefðbundnar merkjavinnsluaðferðir eiga oft í erfiðleikum með hávaðatruflanir og ólínulega bilunareiginleika.

Nýja aðferðin kynnir tvíþrepa bilanagreiningarramma. Fyrst eru titringsmerkin sem myndast af stýribúnaðinum greind með því að nota tvívíddarmótunarmerkja (MSB), sem er hærri stigs litrófsgreiningartækni sem fangar á áhrifaríkan hátt ólínulega og ó-Gaussíska eiginleika merkisins. MSB hjálpar til við að afhjúpa lúmska mótaða bilanaeinkenni sem eru venjulega falin í stöðluðum tíðnirófum.

Næst er unnin merkjagögn umbreytt í tíma- og tíðnimyndir og færð inn í fellingartauganet (CNN), djúpnámslíkan sem getur sjálfkrafa dregið út stórfelld bilunareinkenni og flokkað ástand gírs. Þetta CNN líkan er þjálfað til að greina á milli heilbrigðra gírs, minniháttar bilana og alvarlegra skemmda við mismunandi álags- og hraðaskilyrði.

Niðurstöður tilraunanna, sem framkvæmdar voru á sérsmíðuðum prófunarbúnaði með spíralskálum, sýna að MSB CNN aðferðin nær yfir 97% flokkunarnákvæmni, sem skilar betri árangri en hefðbundnar aðferðir eins og FFT-byggða greiningu og jafnvel aðrar djúpnámsaðferðir sem reiða sig á hrá titringsgögn. Þar að auki sýnir þessi blendingalíkan mikla þol gegn bakgrunnshávaða, sem gerir það hentugt fyrir raunverulegar iðnaðarnotkunir.

Samþætting tvívíddar mótunarmerkis við CNN eykur ekki aðeins afköst bilanagreiningar heldur dregur einnig úr þörfinni á handvirkri eiginleikaverkfræði sem hefur áður verið tímafrekt og sérfræðiþarf. Aðferðin er stigstærðanleg og hægt er að nota hana á aðra snúningshluta véla, svo sem legur ogreikistjörnugírar.

Þessi rannsókn er skref fram á við í þróun snjallra bilanagreiningarkerfa fyrir Iðnað 4.0 og snjalla framleiðslu á víðara sviði. Þar sem sjálfvirkni og áreiðanleiki véla verða sífellt mikilvægari,