Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003971, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи МЕТОД ПОПЕРЕДЖЕННЯ АВАРІЙНИХ СТАНІВ ОБЕРТОВИХ МАШИН ЗА АНАЛІЗОМ ВІБРАЦІЙ ЗАСОБАМИ МАШИННОГО НАВЧАННЯ Автор Залуцька О. О.Гладун О. В.Мазурець О. В.Zalutska O. O.Hladun O. V.Mazurets O. V. Дата публікації 10-04-2025 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/324366 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Вирішується проблема визначення перехідних станів, що передують переходу з робочого стану у неробочий за отриманими даними з датчиків обертових елементів машин. Об’єктом дослідження є процес виявлення несправностей та станів, що свідчать про наближення до поломки у елементах обертових машин на основі даних, отриманих з сенсорів. Предметом дослідження є застосування алгоритмів k-means та методу Elbow для кластеризації та згорткових нейроннихмереж для класифікації даних з сенсорів та виявлення близьких до поломки станів елементів машини.Мета роботи. Метою роботи є створення методу обробки сенсорних даних обертових машин з використанням згорткових нейронних мереж для точного виявлення станів, близьких до відмови, в елементах обертових машин, що дозволить під-вищити ефективність технічного обслуговування та запобігти відмовам обладнання.Метод. Запропонований метод запобігання відмовам обертових машин базується на аналізі сигналів вібрації з використанням комбінації методів кластеризації та глибокого навчання. На першому етапі дані з датчиків проходять попередню обробку, що включає нормалізацію, зменшення розмірності та видалення шумів, після чого застосовується алгоритм k-середніх. Для визначення оптимальної кількості кластерів використовується метод Elbow, який забезпечує ефективне групування станів обертових елементів машини, виявляючи стани, близькі до переходу в несправність. Також була розроблена модель CNN, яка класифікує кластери, дозволяючи точно розділити номінальні, несправні та перехідні стани. Поєднання методів кластеризації з CNN-моделлю підвищує точність виявлення потенційних несправностей і дозволяє своєчасно реагувати на них, що є критично важливим для запобігання аваріям і забезпечення стабільності роботи обладнання.Результати. Створено метод попередження аварійних станів обертових машин за аналізом вібрацій засобами машинного навчання та відповідний комплекс програмного забезпечення. Реалізований метод дозволяє ідентифікувати не лише нормальні й аварійні стани, але й виділяти третій клас – близький до поломки. Якість кластеризації для трьох класів підтверджується значенням коефіцієнта силуету 0,506, що свідчить про належну відокремленість кластерів, та індексом Девіса-Болдіна 0,796, що демонструє високий рівень внутрішньої когерентності кластерів. Додатково було натреновано CNN, якадосягає 99% точності для класифікації цього класу, що робить метод високоефективним і вирізняє його серед існуючих рішень.Висновки. Було розроблено метод попередження аварійних станів обертових машин за аналізом вібрацій засобами машинного навчання, запропоновано виокремлення третього класу – перехідного, що вказує на стан, близький до поломки, і підтверджено його ефективність. Практичне значення результатів полягає у створенні нейромережевих моделей для класи-фікації стану обертових елементів та розробці вебзастосунку для взаємодії з цими моделями. Додано в НРАТ 2026-02-26 Закрити