في تطور هام في مجال التشخيص الميكانيكي، أظهرت دراسة جديدة فعالية الجمع بين طيف الإشارة المعدلة (MSB) والشبكات العصبية الالتفافية (CNN) لتشخيص الأعطالتروس مخروطية حلزونيةيعد هذا النهج المبتكر بتحسين الدقة، وسرعة الكشف، ونظام تشخيص أكثر ذكاءً لعلب التروس عالية الأداء المستخدمة فيتطبيقات الفضاء الجوي والسيارات والتطبيقات الصناعية.

حلزونيتروس مخروطيةتُعدّ التروس مكونات نقل حركة بالغة الأهمية، وتوجد في الآلات ذات عزم الدوران العالي، والمروحيات، وأنظمة الدفع البحرية، ومخفضات السرعة الصناعية الثقيلة. ونظرًا لتعقيد هندستها وظروف تشغيلها، لا يزال الكشف المبكر عن أعطال التروس، مثل التآكل والتآكل وكسر الأسنان، يُمثّل تحديًا تقنيًا. غالبًا ما تواجه تقنيات معالجة الإشارات التقليدية صعوبة في التعامل مع تداخل الضوضاء وخصائص الأعطال غير الخطية.

تُقدّم الطريقة الجديدة إطار عمل ثنائي المراحل لتشخيص الأعطال. في المرحلة الأولى، تُحلّل إشارات الاهتزاز الناتجة عن نظام التروس العامل باستخدام تقنية طيف الإشارة المُعدّل (MSB)، وهي تقنية تحليل طيفي عالية المستوى تُتيح التقاط الخصائص غير الخطية وغير الغاوسية للإشارة بكفاءة. تُساعد تقنية MSB في الكشف عن خصائص الأعطال المُعدّلة الدقيقة التي عادةً ما تكون مخفية في أطياف التردد القياسية.

بعد ذلك، تُحوّل بيانات الإشارة المُعالجة إلى صور زمنية-ترددية، ثم تُغذّى إلى شبكة عصبية التفافية (CNN)، وهي نموذج تعلّم عميق قادر على استخلاص خصائص الأعطال عالية المستوى وتصنيف حالات التروس تلقائيًا. يُدرّب هذا النموذج على التمييز بين التروس السليمة، والأعطال الطفيفة، والأضرار الجسيمة في ظل ظروف تحميل وسرعة مختلفة.

أظهرت النتائج التجريبية، التي أُجريت على جهاز اختبار تروس مخروطية حلزونية مصمم خصيصًا، أن نهج الشبكة العصبية التلافيفية متعددة الحدود (MSB CNN) يحقق دقة تصنيف تتجاوز 97%، متفوقًا بذلك على الطرق التقليدية مثل التحليل القائم على تحويل فورييه السريع (FFT) وحتى تقنيات التعلم العميق الأخرى التي تعتمد على بيانات الاهتزاز الخام. علاوة على ذلك، يتميز هذا النموذج الهجين بمتانة عالية في مواجهة الضوضاء الخلفية، مما يجعله مناسبًا للتطبيقات الصناعية العملية.

إن دمج طيف الإشارة المعدلة مع الشبكات العصبية التلافيفية لا يُحسّن أداء التعرف على الأعطال فحسب، بل يُقلل أيضًا من الاعتماد على هندسة الميزات اليدوية، وهي عملية تستغرق وقتًا طويلاً وتعتمد على الخبرة. هذه الطريقة قابلة للتطوير ويمكن تطبيقها على مكونات الآلات الدوارة الأخرى، مثل المحامل و...التروس الكوكبية.

يمثل هذا البحث خطوة متقدمة في تطوير أنظمة تشخيص الأعطال الذكية للصناعة 4.0 ومجال التصنيع الذكي بشكل عام. ومع تزايد أهمية الأتمتة وموثوقية الآلات،