Dalam perkembangan penting untuk bidang diagnostik mekanikal, satu kajian baharu telah menunjukkan keberkesanan menggabungkan bispektrum isyarat modulasi (MSB) dengan rangkaian saraf konvolusi (CNN) untuk diagnosis kerosakangear serong lingkaranPendekatan inovatif ini menjanjikan ketepatan yang dipertingkatkan, pengesanan yang lebih pantas dan sistem diagnostik yang lebih pintar untuk kotak gear berprestasi tinggi yang digunakan dalamaplikasi aeroangkasa, automotif dan perindustrian.

Lingkarangear serongmerupakan komponen transmisi kritikal yang terdapat dalam jentera tork tinggi, helikopter, sistem pendorongan marin dan pengurang industri tugas berat. Disebabkan geometri dan keadaan operasinya yang kompleks, pengesanan awal kerosakan gear seperti bopeng, haus dan patah gigi kekal sebagai cabaran teknikal. Teknik pemprosesan isyarat tradisional sering menghadapi masalah gangguan hingar dan ciri-ciri kerosakan bukan linear.

Kaedah baharu ini memperkenalkan rangka kerja diagnosis kerosakan dua peringkat. Pertama, isyarat getaran yang dijana oleh sistem gear operasi dianalisis menggunakan bispektrum isyarat modulasi (MSB), teknik analisis spektrum tertib tinggi yang berkesan menangkap ciri-ciri isyarat bukan linear dan bukan Gaussian. MSB membantu mendedahkan ciri-ciri kerosakan termodulat halus yang biasanya tersembunyi dalam spektrum frekuensi piawai.

Seterusnya, data isyarat yang diproses diubah menjadi imej frekuensi masa dan dimasukkan ke dalam rangkaian saraf konvolusi (CNN) iaitu model pembelajaran mendalam yang mampu mengekstrak ciri kerosakan peringkat tinggi secara automatik dan mengklasifikasikan keadaan gear. Model CNN ini dilatih untuk membezakan antara gear yang sihat, kerosakan kecil dan kerosakan teruk merentasi keadaan beban dan kelajuan yang berbeza.

Keputusan eksperimen yang dijalankan pada rig ujian gear serong lingkaran yang direka khas menunjukkan bahawa pendekatan MSB CNN mencapai ketepatan pengelasan lebih 97%, mengatasi kaedah tradisional seperti analisis berasaskan FFT dan juga teknik pembelajaran mendalam lain yang bergantung pada data getaran mentah. Selain itu, model hibrid ini mempamerkan ketahanan yang kuat terhadap hingar latar belakang, menjadikannya sesuai untuk aplikasi perindustrian dunia sebenar.

Integrasi bispektrum isyarat modulasi dengan CNN bukan sahaja meningkatkan prestasi pengecaman kerosakan tetapi juga mengurangkan pergantungan pada kejuruteraan ciri manual yang secara tradisinya merupakan proses yang memakan masa dan bergantung kepada kepakaran. Kaedah ini boleh diskala dan boleh digunakan pada komponen jentera berputar lain, seperti galas dangear planet.

Kajian ini merupakan satu langkah ke hadapan dalam pembangunan sistem diagnosis kerosakan pintar untuk Industri 4.0 dan bidang pembuatan pintar yang lebih luas. Memandangkan automasi dan kebolehpercayaan mesin menjadi semakin penting,