Mexanik diagnostika sohasidagi muhim rivojlanish sifatida, yangi tadqiqot nosozliklarni tashxislash uchun modulyatsiya signali bispektrini (MSB) konvolyutsion neyron tarmoqlari (CNN) bilan birlashtirish samaradorligini ko'rsatdi.spiral konusli tishli g'ildiraklarUshbu innovatsion yondashuv yuqori aniqlik, tezroq aniqlash va ishlatiladigan yuqori samarali vites qutilari uchun yanada aqlli diagnostika tizimini va'da qiladi.aerokosmik, avtomobilsozlik va sanoat qo'llanmalari.

Spiralkonusli tishli g'ildiraklaryuqori momentli mashinalarda, vertolyotlarda, dengiz harakatlantiruvchi tizimlarida va og'ir sanoat reduktorlarida uchraydigan muhim uzatish komponentlari hisoblanadi. Murakkab geometriyasi va ish sharoitlari tufayli, chuqurchalar, aşınma va tish sinishi kabi tishli nosozliklarni erta aniqlash texnik qiyinchilik bo'lib qolmoqda. An'anaviy signalni qayta ishlash texnikalari ko'pincha shovqin aralashuvi va chiziqli bo'lmagan nosozlik xususiyatlari bilan kurashadi.

Yangi usul ikki bosqichli nosozliklarni aniqlash tizimini joriy etadi. Avvalo, ishlaydigan tishli tizim tomonidan hosil qilingan tebranish signallari signalning chiziqli bo'lmagan va Gauss bo'lmagan xususiyatlarini samarali ravishda ushlaydigan yuqori darajadagi spektral tahlil usuli bo'lgan modulyatsiya signali bispektri (MSB) yordamida tahlil qilinadi. MSB odatda standart chastota spektrlarida yashiringan nozik modulyatsiyalangan nosozlik xususiyatlarini aniqlashga yordam beradi.

Keyin, qayta ishlangan signal ma'lumotlari vaqt chastotasi tasvirlariga aylantiriladi va yuqori darajadagi nosozlik xususiyatlarini avtomatik ravishda ajratib olish va vites holatini tasniflash qobiliyatiga ega bo'lgan chuqur o'rganish modeli bo'lgan konvolyutsion neyron tarmog'iga (CNN) uzatiladi. Ushbu CNN modeli turli yuk va tezlik sharoitlarida sog'lom viteslar, kichik nosozliklar va jiddiy shikastlanishlarni farqlashga o'rgatilgan.

Maxsus ishlab chiqilgan spiral konveks tishli sinov qurilmasida o'tkazilgan eksperimental natijalar shuni ko'rsatadiki, MSB CNN yondashuvi 97% dan ortiq tasniflash aniqligiga erishadi, bu FFT asosidagi tahlil kabi an'anaviy usullar va hatto xom tebranish ma'lumotlariga tayanadigan boshqa chuqur o'rganish texnikalaridan ham ustun turadi. Bundan tashqari, ushbu gibrid model fon shovqiniga kuchli chidamlilikni namoyish etadi, bu esa uni real dunyo sanoat qo'llanmalari uchun mos qiladi.

Modulyatsiya signali bispektrini CNN bilan integratsiyalash nafaqat nosozliklarni aniqlash samaradorligini oshiradi, balki an'anaviy ravishda vaqt talab qiladigan va tajribaga bog'liq bo'lgan jarayon bo'lgan qo'lda bajariladigan xususiyatlarni muhandislikka bog'liqlikni ham kamaytiradi. Usul kengaytirilishi mumkin va podshipniklar va boshqa aylanadigan mashina qismlariga qo'llanilishi mumkin.sayyoraviy tishli g'ildiraklar.

Ushbu tadqiqot Sanoat 4.0 va aqlli ishlab chiqarishning kengroq sohasi uchun aqlli nosozliklarni aniqlash tizimlarini ishlab chiqishda oldinga qo'yilgan qadamni ifodalaydi. Avtomatlashtirish va mashina ishonchliligi tobora muhim ahamiyat kasb etayotganligi sababli,