Trong một bước phát triển quan trọng đối với lĩnh vực chẩn đoán cơ khí, một nghiên cứu mới đã chứng minh hiệu quả của việc kết hợp phổ tín hiệu điều chế hai chiều (MSB) với mạng nơ-ron tích chập (CNN) để chẩn đoán lỗi.bánh răng côn xoắn ốcPhương pháp tiếp cận tiên tiến này hứa hẹn độ chính xác cao hơn, khả năng phát hiện nhanh hơn và hệ thống chẩn đoán thông minh hơn cho các hộp số hiệu suất cao được sử dụng trong...Ứng dụng trong hàng không vũ trụ, ô tô và công nghiệp.

Hình xoắn ốcbánh răng cônBánh răng là các bộ phận truyền động quan trọng được tìm thấy trong máy móc mô-men xoắn cao, máy bay trực thăng, hệ thống đẩy hàng hải và bộ giảm tốc công nghiệp hạng nặng. Do hình dạng phức tạp và điều kiện hoạt động đặc thù, việc phát hiện sớm các lỗi bánh răng như rỗ, mài mòn và gãy răng vẫn là một thách thức kỹ thuật. Các kỹ thuật xử lý tín hiệu truyền thống thường gặp khó khăn với nhiễu và đặc tính lỗi phi tuyến tính.

Phương pháp mới này giới thiệu một khung chẩn đoán lỗi hai giai đoạn. Đầu tiên, các tín hiệu rung động do hệ thống bánh răng vận hành tạo ra được phân tích bằng cách sử dụng phổ hai chiều tín hiệu điều biến (MSB), một kỹ thuật phân tích phổ bậc cao giúp nắm bắt hiệu quả các đặc điểm phi tuyến tính và phi Gaussian của tín hiệu. MSB giúp tiết lộ các đặc điểm lỗi điều biến tinh tế thường bị che khuất trong phổ tần số tiêu chuẩn.

Tiếp theo, dữ liệu tín hiệu đã xử lý được chuyển đổi thành ảnh tần số thời gian và đưa vào mạng nơ-ron tích chập (CNN), một mô hình học sâu có khả năng tự động trích xuất các đặc điểm lỗi cấp cao và phân loại tình trạng bánh răng. Mô hình CNN này được huấn luyện để phân biệt giữa bánh răng hoạt động bình thường, lỗi nhỏ và hư hỏng nghiêm trọng trong các điều kiện tải và tốc độ khác nhau.

Kết quả thực nghiệm, được thực hiện trên một hệ thống thử nghiệm bánh răng côn xoắn ốc được thiết kế riêng, cho thấy phương pháp MSB CNN đạt độ chính xác phân loại trên 97%, vượt trội so với các phương pháp truyền thống như phân tích dựa trên FFT và thậm chí cả các kỹ thuật học sâu khác dựa trên dữ liệu rung động thô. Hơn nữa, mô hình lai này thể hiện khả năng chống nhiễu nền mạnh mẽ, làm cho nó phù hợp với các ứng dụng công nghiệp thực tế.

Việc tích hợp phổ hai chiều tín hiệu điều chế với mạng nơ-ron tích chập (CNN) không chỉ nâng cao hiệu suất nhận dạng lỗi mà còn giảm sự phụ thuộc vào việc tạo đặc trưng thủ công, một quy trình truyền thống tốn nhiều thời gian và đòi hỏi chuyên môn cao. Phương pháp này có khả năng mở rộng và có thể được áp dụng cho các bộ phận máy móc quay khác, chẳng hạn như vòng bi và...bánh răng hành tinh.

Nghiên cứu này đánh dấu một bước tiến trong việc phát triển các hệ thống chẩn đoán lỗi thông minh cho Công nghiệp 4.0 và lĩnh vực sản xuất thông minh nói chung. Khi tự động hóa và độ tin cậy của máy móc ngày càng trở nên quan trọng,