Mewn datblygiad arwyddocaol ym maes diagnosteg fecanyddol, mae astudiaeth newydd wedi dangos effeithiolrwydd cyfuno bispectrwm signal modiwleiddio (MSB) â rhwydweithiau niwral cyfryngol (CNN) ar gyfer gwneud diagnosis o namaugerau bevel troellogMae'r dull arloesol hwn yn addo cywirdeb gwell, canfod cyflymach, a system ddiagnostig fwy deallus ar gyfer blychau gêr perfformiad uchel a ddefnyddir yncymwysiadau awyrofod, modurol a diwydiannol.

Troelloggerau bevelyn gydrannau trawsyrru hanfodol a geir mewn peiriannau trorym uchel, hofrenyddion, systemau gyriant morol, a lleihäwyr diwydiannol dyletswydd trwm. Oherwydd eu geometreg gymhleth a'u hamodau gweithredol, mae canfod namau gêr yn gynnar fel twll, gwisgo, a thorri dannedd yn parhau i fod yn her dechnegol. Yn aml, mae technegau prosesu signalau traddodiadol yn cael trafferth gydag ymyrraeth sŵn a nodweddion namau anlinellol.

Mae'r dull newydd yn cyflwyno fframwaith diagnosis namau dau gam. Yn gyntaf, caiff y signalau dirgryniad a gynhyrchir gan y system gêr weithredu eu dadansoddi gan ddefnyddio bispectrwm signal modiwleiddio (MSB), techneg dadansoddi sbectrol uwch-drefn sy'n dal nodweddion anlinellol ac an-Gaussaidd y signal yn effeithiol. Mae MSB yn helpu i ddatgelu nodweddion namau modiwleiddiedig cynnil sydd fel arfer wedi'u cuddio mewn sbectrwm amledd safonol.

Nesaf, caiff y data signal wedi'i brosesu ei drawsnewid yn ddelweddau amledd amser a'i fwydo i rwydwaith niwral cyfryngol (CNN), model dysgu dwfn sy'n gallu echdynnu nodweddion nam lefel uchel yn awtomatig a dosbarthu amodau gêr. Mae'r model CNN hwn wedi'i hyfforddi i wahaniaethu rhwng gêr iach, namau bach, a difrod difrifol ar draws gwahanol amodau llwyth a chyflymder.

Mae'r canlyniadau arbrofol, a gynhaliwyd ar rig prawf gêr bevel troellog wedi'i gynllunio'n arbennig, yn dangos bod y dull MSB CNN yn cyflawni cywirdeb dosbarthu o dros 97%, gan berfformio'n well na dulliau traddodiadol fel dadansoddiad seiliedig ar FFT a hyd yn oed technegau dysgu dwfn eraill sy'n dibynnu ar ddata dirgryniad crai. Ar ben hynny, mae'r model hybrid hwn yn arddangos cadernid cryf i sŵn cefndir, gan ei wneud yn addas ar gyfer cymwysiadau diwydiannol yn y byd go iawn.

Mae integreiddio bispectrwm signal modiwleiddio â CNN nid yn unig yn gwella perfformiad adnabod namau ond hefyd yn lleihau'r ddibyniaeth ar beirianneg nodweddion â llaw, proses sy'n draddodiadol yn cymryd llawer o amser ac yn dibynnu ar arbenigedd. Mae'r dull yn raddadwy a gellir ei gymhwyso i gydrannau peiriannau cylchdroi eraill, fel berynnau agerau planedol.

Mae'r ymchwil hon yn cynrychioli cam ymlaen yn natblygiad systemau diagnosio namau deallus ar gyfer Diwydiant 4.0 a maes ehangach gweithgynhyrchu clyfar. Wrth i awtomeiddio a dibynadwyedd peiriannau ddod yn fwyfwy hanfodol,