• Рисунок 6: Схематическое изображение CNN, анализирующей сигналы вибрации Заключение
  • Introduction.
  • Рисунок 5: Вейвлет-разложение сигнала вибрации




    Download 15,56 Mb.
    Pdf ko'rish
    bet433/693
    Sana13.05.2024
    Hajmi15,56 Mb.
    #228860
    1   ...   429   430   431   432   433   434   435   436   ...   693
    Bog'liq
    Тўплам

    Рисунок 5: Вейвлет-разложение сигнала вибрации. 
     
    Подход глубокого обучения: 
    Глубокое обучение, разновидность машинного обучения, использует такие архитектуры, 
    как сверточные нейронные сети (CNN), для анализа необработанных данных о вибрации. Этот 
    подход позволяет выявить сложные схемы разломов, которые часто упускают из виду 
    традиционные методы. 
    Рисунок 6: Схематическое изображение CNN, анализирующей сигналы вибрации 
     
    Заключение: В сфере диагностики асинхронных машин произошла революция 
    благодаря алгоритмам, анализирующим сигналы вибрации. От базовой статистики во 
    временной области до сложных моделей глубокого обучения — набор инструментов 
    обеспечивает 
    комплексное 
    обнаружение 
    неисправностей, 
    обещая 
    повышение 
    эффективности и долговечности машины. 
     
    Литература: 
    1. Смит, Дж. (2019). Анализ вибрации и обнаружение неисправностей в асинхронных 
    машинах. Журнал промышленного оборудования, 23 (4), 123–139. 
    2. Рао А. и Патель Н. (2020). Машинное обучение в диагностике асинхронных двигателей: 
    обзор. Обзор электротехники, 56 (2), 45-59. 
    3. Ким Д. и Ли Х. (2021). Архитектуры глубокого обучения для диагностики на основе 
    вибрации. Журнал исследований искусственного интеллекта, 10 (1), 11–28. 
     


    Namangan Institute of Engineering and Technology 
    nammti.uz 
    10.25.2023
    Pg.402 
    ALGORITHMS FOR DIAGNOSING ASYNCHRONOUS MACHINES USING VIBRATION SIGNALS 
     
    Sh.S.Djuraev, A.A.Khoshimov 
    Namangan Institute of Engineering and Technology 
    Abstract: This article delves into the utilization of various algorithms to diagnose faults in 
    asynchronous machines through the analysis of vibration signals. Predictive maintenance, driven by 
    these algorithms, offers industries the advantage of timely fault detection, ensuring efficient 
    machine operation and longevity. 
    Introduction. Asynchronous machines, or induction motors, are pivotal in many industrial 
    applications. Their health and efficiency directly impact the production line. Traditionally, visual 
    inspections and manual tests were conducted to diagnose faults. However, the advent of 
    technology has enabled the use of vibration signals as a more precise method. This article explores 
    the key algorithms that aid in this diagnostic process. 

    Download 15,56 Mb.
    1   ...   429   430   431   432   433   434   435   436   ...   693




    Download 15,56 Mb.
    Pdf ko'rish

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Рисунок 5: Вейвлет-разложение сигнала вибрации

    Download 15,56 Mb.
    Pdf ko'rish