In un sviluppu significativu per u campu di a diagnostica meccanica, un novu studiu hà dimustratu l'efficacità di a cumbinazione di u bispectrum di signali di modulazione (MSB) cù e rete neurali cunvoluzionali (CNN) per a diagnosi di guasti diingranaggi conici a spiraleQuestu approcciu innovativu prumesse una precisione mejorata, una rilevazione più rapida è un sistema di diagnosticu più intelligente per i cambi di velocità ad alte prestazioni utilizati inapplicazioni aerospaziali, automobilistiche è industriali.

Spiraleingranaggi conicisò cumpunenti di trasmissione critichi chì si trovanu in macchine à alta coppia, elicotteri, sistemi di propulsione marina è riduttori industriali pesanti. A causa di a so geometria cumplessa è di e so cundizioni operative, a rilevazione precoce di difetti di ingranaggi cum'è vaiolature, usura è rottura di denti ferma una sfida tecnica. E tecniche tradiziunali di trasfurmazione di u signale spessu luttano cù l'interferenza di rumore è e caratteristiche di difetti non lineari.

U novu metudu introduce un quadru di diagnosi di guasti in duie tappe. Prima, i signali di vibrazione generati da u sistema di ingranaggi operativi sò analizati aduprendu u bispettru di signali di modulazione (MSB), una tecnica d'analisi spettrale d'ordine superiore chì cattura efficacemente e caratteristiche non lineari è non gaussiane di u signale. MSB aiuta à rivelà e caratteristiche di guasti modulati suttili chì sò tipicamente nascoste in i spettri di frequenza standard.

Dopu, i dati di signali trattati sò trasfurmati in imagine di frequenza di tempu è inseriti in una rete neurale cunvoluzionale (CNN), un mudellu di apprendimentu prufondu capace di estrae automaticamente e caratteristiche di guasti di altu livellu è di classificà e cundizioni di l'ingranaggi. Stu mudellu CNN hè furmatu per distingue trà ingranaggi sani, guasti minori è danni gravi in ​​diverse cundizioni di carica è velocità.

I risultati sperimentali, realizati nantu à un bancu di prova per ingranaggi conici a spirale cuncipitu apposta, mostranu chì l'approcciu MSB CNN righjunghje una precisione di classificazione di più di 97%, superendu i metudi tradiziunali cum'è l'analisi basata nantu à FFT è ancu altre tecniche di apprendimentu prufondu chì si basanu nantu à dati di vibrazione grezzi. Inoltre, questu mudellu ibridu mostra una forte robustezza à u rumore di fondu, rendendulu adattatu per applicazioni industriali di u mondu reale.

L'integrazione di u bispectrum di u signale di modulazione cù CNN ùn solu migliora e prestazioni di ricunniscenza di i guasti, ma riduce ancu a dipendenza da l'ingegneria manuale di e caratteristiche, tradiziunalmente un prucessu chì richiede tempu è dipende da a cumpetenza. U metudu hè scalabile è pò esse applicatu à altri cumpunenti di macchine rotanti, cum'è cuscinetti èingranaggi planetari.

Questa ricerca rapprisenta un passu avanti in u sviluppu di sistemi intelligenti di diagnosi di guasti per l'Industria 4.0 è u campu più largu di a fabricazione intelligente. Cù l'automatizazione è l'affidabilità di e macchine chì diventanu sempre più vitali,