По всем вопросам звоните:

+7 495 274-22-22

УДК: 664.734.2:620.179.17

Применение СНС в задаче классификации технического состояния оборудования по вейвлет-скалограмм вибрации

Яблоков А. Е. канд. техн. наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет пищевых производств», г. Москва, e-mail: yablokov_alex@mail.ru.
Жила Т. М. магистрант., Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет пищевых производств», г. Москва

Актуальной задачей технической диагностики является совершенствование методов анализа диагностической информации с целью повышения эффективности процедуры классификации технического состояния. Изучена возможность применения ЦОС для предобработки виброакустических сигналов и формирования диагностических признаков на базе вейвлет-скалограмм вибросигналов. Задача классификации технического состояния объекта контроля по скалограмм вибросигнала осуществлялась посредством разработанной сверточной нейронной сети. Исследования проведены на экспериментальной установке для шести технических состояний зубчатой передачи. Обработка данных и создание нейронной сети осуществлено в пакете программ Matlab. Результаты исследований показали возможность успешного решения задачи классификации технического состояния объекта методами глубокого обучения по вейвлет-скалограммам вибрации. Достоверность распознавания составила 86–90 %.

Литература:

1. Костюков В.Н. Основы виброакустической диагностики и мониторинга машин: учеб. пособие / В.Н. Костюков, А.П. Науменко. — Омск: Изд-во ОмГТУ, 2011. — 360 с.: ил.

2. Солонина, А.И. Цифровая обработка сигналов в зеркале MATLAB: учебное пособие / А. И. Солонина. — Санкт-Петербург: БХВПетербург, 2018. — 560 с.

3. Нагорнов О. В. Вейвлет-анализ в примерах: учебное пособие / О. В. Нагорнов, В.Г. Никитаев, В.М. Простокишин, С.А. Тюфлин, А.Н. Проничев, Т.И. Бухарова, К.С. Чистов, Р. З. Кашафутдинов, В.А. Хоркин. — Москва: НИЯУ МИФИ, 2010. — 120 с. _

4. Яблоков А. Е. Диагностика оборудования по спектрограммам вибросигнала методами машинного обучения / А. Е. Яблоков, Т.М. Жила, А.С. Генералов. // Инновационные технологии производства и хранения материальных ценностей для государственных нужд: науч. сб. — 2021. — Вып. XV / ФГБУ НИИПХ Росрезерва. — с. 288–297.

5. Николенко С. И . Глубокое обуче ние / С. И, Николенко, А. А. Кадурин, Е. О. Архангельская. — Санкт-Петербург: Питер, 2018. — 480 с.

Техническая диагностика является эффективным инструментом повышения эксплуатационной надежности промышленного оборудования, позволяет снизить вероятность аварийных ситуаций на производстве, сократить затраты на техническое обслуживание и ремонт. Развитие методов диагностики связано с совершенствованием и снижения стоимости технических средств измерения диагностической информации и повышением эффективности процедуры расшифровки диагностической информации с последующей постановкой диагноза и прогноза.

Одним из наиболее доступным и универсальным методом неразрушающего контроля является вибрационная диагностика [1]. При этом в качестве диагностического признака технического состояния объекта используется виброакустический сигнал, возбуждаемый машиной в процессе ее функционирования. С целью повышения соотношения полезный сигнал/помеха используются различные методы обработки сигнала (фильтрация, выделение огибающей, различные математические преобразования) [2]. Преобразование Фурье наиболее популярное, т. к. позволяет получать частотное представление вибрации функционирующей машины. Это наиболее проработанный способ получения информативных и физически обоснованных диагностических признаков дефектов — значений амплитуд колебаний на частотах, детерминированных с механическими дефектами.

В последнее время появилось множество зарубежных и отечественных публикаций по использованию вейвлет-преобразования (ВП) для обработки и анализа сигналов [3]. ВП представляет собой свертку вейвлет-функции с сигналом. Вейвлет-преобразование переводит сигнал из временного представления в частотно-временное. ВП сигнала — это его представление в виде обобщенного ряда или интеграла Фурье по системе базисных функций.

сконструированных из материнского (исходного) вейвлета ψ (t), обладающего определенными свойствами за счет операций сдвига во времени (b) и изменения временного масштаба (a).

Множитель обеспечивает независимость нормы функций (1) от масштабирующего числа (a). Для заданных значений параметров a и b функция ψ ab (t) и есть вейвлет, порождаемый материнским вейвлетом ψ (t).

Для Цитирования:
Яблоков А. Е., Жила Т. М., Применение СНС в задаче классификации технического состояния оборудования по вейвлет-скалограмм вибрации. Современные методы технической диагностики и неразрушающего контроля деталей и узлов. 2021;5.
Полная версия статьи доступна подписчикам журнала