Исследователи из Тольяттинского гос вузе (ТГУ) разработали способ акустической диагностики, который на 45% увеличивает возможность обнаружения небезопасного износа деталей по сопоставлению с известными решениями.
Результаты собственной работы исследователи обрисовали в статье, которая размещена в международном научном журнальчике Journal of Frictionand Wear, информирует пресс-центр ТГУ.
Разработанный ими способ диагностики подшипников, втулок, направляющих и других деталей скольжения основан на анализе ультразвуковых сигналов, которые издают трущиеся поверхности. Однако вместо измерения громкости исследователи применили спектральный и кластерный анализ. Это схемы машинного обучения, подобные тем, что употребляются для определения лиц, речи либо систематизации изображений.
«Классические акустические способы диагностики замеряют только громкость шума. Это всё равно, что оценивать здоровье человека только по тому, звучно ли он дышит. Наш схема анализирует несколько характеристик ультразвуковых сигналов сразу, потому он способен распознать, когда механизм работает нормально, когда возникли 1-ые признаки разрушения, – объясняет один из создателей исследования, ведущий научный сотрудник Научно-исследовательского института прогрессивных технологий, доктор кафедры «Прикладная механика и инженерная графика» ТГУ Игорь Растегаев. – Мы не просто слышим шум – мы осознаем, что конкретно происходит в узле трения и каковой текущий уровень износа в нём.
Классические способы диагностики требуют остановки оборудования и его разборки. Это недешево и неэффективно: пока деталь не осмотрели и не измерили вручную, о её состоянии можно только гадать. Акустические способы издавна употребляются для мониторинга, однако обычно они работают по принципу «стало звучно – означает плохо». Подобной подход пропускает небезопасные сигналы на ранешних стадиях развития повреждения, когда их маскирует фоновый шум. Новая разработка дозволяет распознавать такие сигналы.
Учёные разбили непрерывный звуковой поток работы механизма на тыс. маленьких фрагментов. Для каждого фрагмента они высчитали 10-ки характеристик: амплитуду, энергию, частотный диапазон, скорость конфигурации сигнала. Потом похожие фрагменты схема сгруппировал в кластеры. И оказалось, что обычный износ, начало схватывания поверхностей и катастрофическое разрушение имеют совсем различные акустические «почерки». Опыт проявили: возможность обнаружения небезопасного режима (схватывания) выросла на 45% по сопоставлению с обычным способом, при всем этом точность диагностики чертовского износа сохранилась на прежнем высочайшем уровне. Важно и то, что оценка величины износа без остановки оборудования совпала с настоящими замерами с расхождением менее 16 %.
«Существенное преимущество нашего способа ещё и в том, что он дозволяет наблюдать динамику изнашивания, – продолжает Игорь Растегаев. – В настоящей жизни деталь изредка изнашивается как-то монотонно. Сегодня она работает в штатном режиме, завтра в механизм попадает песчинка (абразив), послезавтра возникает перегрузка, холодное густое масло и т.д. Спектрально-кластерный подход дозволяет поделить эти действия во времени и высчитать, сколько материала потеряно по каждой причине. На самом деле, мы получаем послойную историю износа, не останавливая оборудование».
Разработка учёных ТГУ может отыскать применение в самых различных сферах – от тяжёлого машиностроения и энергетики до авто транспорта. Работающая в настоящем времени система (устанавливается на авто), способна предупредить о начале небезопасных действий за некоторое количество дней либо даже недель до того, как механизм выйдет из строя.
Для индустрии это возможность планировать ремонты без срочных остановок и подменять детали не «на всякий вариант», а строго по необходимости, сберегая миллионы руб. на простоях.
Сообщение Тольяттинские ученые отыскали метод определять износ деталей машин во время их работы возникли поначалу на TLT.ru – Анонсы Тольятти.
