Search academic texts

Information × Registration Number 2125U003968, Article popup.category Опубліковано, Стаття Title METHOD OF NEURAL NETWORK DETECTION OF DEFECTS BASED ON THE ANALYSIS OF ROTATING MACHINES VIBRATIONS popup.author Собко О. В.Дидо Р. А.Мазурець О. В.Sobko O. V.Dydo R. A.Mazurets O. V. popup.publication 10-04-2025 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/324350 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. У роботі пропонується вирішення актуальної проблеми виявлення дефектів обладнання за аналізом вібрацій обертових машин. Об’єктом дослідження є процес виявлення дефектів за аналізом вібрацій обертових машин.Предметом дослідження є методи штучного інтелекту для виявлення дефектів за аналізом вібрацій обертових машин.Мета роботи. Підвищення точності виявлення дефектів за аналізом вібрацій обертових машин шляхом створення методу нейромережевого виявлення дефектів за аналізом вібрацій обертових машин та відповідної нейромережевої моделі, яка здатна виявляти дефекти за аналізом вібрацій обертових машин без попереднього видалення шумів з метою збереженняважливих ознак для точнішої класифікації.Метод. Запропоновано метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертових машин, який здатен за вхідними даними вібрацій з виконанням попередньої обробки, а саме створення двовимірного часово-частотногозображення, зробити прогноз щодо наявності чи відсутності дефекту. Метод відрізняється від існуючих тим, що аналіз надефекти проводиться без видалення шумів за рахунок тонкого налаштування параметрів моделі.Результати. Запропонований у роботі метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертових машин реалізовано у вигляді вебзастосунку та проведено дослідження ефективності нейромережевої моделі, отриманоїшляхом виконання кроків методу.Висновки. Результати дослідження показують, що модель досягла високої точності та узгодженості між тренувальними та валідаційними даними, що підтверджується високими значеннями таких показників, як Accuracy = 1.0, Precision = 1.0,Recall = 1.0 і F1-Score = 1.0 на валідаційному наборі даних, а також мінімальними втратами. Проведена крос-валідація підтвердила стабільну ефективність моделі, продемонструвавши високі усереднені метрики та незначні відхилення від отриманих метрик. Таким чином, нейромережева модель виявляє дефекти обертових машин з високою ефективністю навіть без очищення вібраційних сигналів від шумів. Перспективи подальших досліджень полягають в апробації описаного метода та отриманої нейромережевої моделі на більших наборах даних. popup.nrat_date 2026-02-26 Close