En un desenvolupament significatiu per al camp del diagnòstic mecànic, un nou estudi ha demostrat l'eficàcia de combinar el biespectre de senyal de modulació (MSB) amb xarxes neuronals convolucionals (CNN) per al diagnòstic de fallades.engranatges cònics en espiralAquest enfocament innovador promet una precisió millorada, una detecció més ràpida i un sistema de diagnòstic més intel·ligent per a les caixes de canvis d'alt rendiment utilitzades enaplicacions aeroespacials, automobilístiques i industrials.

Espiralengranatges cònicssón components de transmissió crítics que es troben en maquinària d'alt parell motor, helicòpters, sistemes de propulsió marina i reductors industrials de gran resistència. A causa de la seva geometria complexa i condicions operatives, la detecció precoç de fallades d'engranatges com ara picadures, desgast i trencament de dents continua sent un repte tècnic. Les tècniques tradicionals de processament de senyals sovint tenen problemes amb la interferència de soroll i les característiques de fallada no lineals.

El nou mètode introdueix un marc de diagnòstic de fallades en dues etapes. Primer, els senyals de vibració generats pel sistema d'engranatges operatius s'analitzen mitjançant el biespectre de senyal de modulació (MSB), una tècnica d'anàlisi espectral d'ordre superior que captura eficaçment les característiques no lineals i no gaussianes del senyal. L'MSB ajuda a revelar característiques subtils de fallada modulada que normalment estan ocultes en els espectres de freqüència estàndard.

A continuació, les dades del senyal processades es transformen en imatges de temps i freqüència i s'introdueixen a una xarxa neuronal convolucional (CNN), un model d'aprenentatge profund capaç d'extreure automàticament característiques de fallades d'alt nivell i classificar les condicions dels engranatges. Aquest model CNN està entrenat per diferenciar entre engranatges sans, fallades menors i danys greus en diferents condicions de càrrega i velocitat.

Els resultats experimentals, duts a terme en un banc de proves d'engranatges cònics en espiral dissenyat a mida, mostren que l'enfocament MSB CNN aconsegueix una precisió de classificació superior al 97%, superant els mètodes tradicionals com l'anàlisi basada en FFT i fins i tot altres tècniques d'aprenentatge profund que es basen en dades de vibració en brut. A més, aquest model híbrid presenta una gran robustesa al soroll de fons, cosa que el fa adequat per a aplicacions industrials del món real.

La integració del biespectre del senyal de modulació amb la CNN no només millora el rendiment del reconeixement de fallades, sinó que també redueix la dependència de l'enginyeria manual de característiques, que tradicionalment és un procés que requereix molt de temps i depèn de l'experiència. El mètode és escalable i es pot aplicar a altres components de maquinària rotativa, com ara coixinets i...engranatges planetaris.

Aquesta investigació representa un pas endavant en el desenvolupament de sistemes intel·ligents de diagnòstic de fallades per a la Indústria 4.0 i el camp més ampli de la fabricació intel·ligent. A mesura que l'automatització i la fiabilitat de les màquines esdevenen cada cop més vitals,