СИСТЕМА БЕЗПЕРЕРВНОГО ВІБРОМОНІТОРИНГУ СТАНУ ТЕХНОЛОГІЧНОГО ОБЛАДНАННЯ З МАШИННИМ НАВЧАННЯМ КЛАСИФІКАТОРУ
DOI:
https://doi.org/10.31649/1999-9941-2020-48-2-18-26Ключові слова:
машинне навчання, вейвлет-аналіз, вібромоніторинг, коефіцієнт автокогерентностіАнотація
Вібромоніторинг технологічного обладнання відрізняється наявністю нестаціонарних складні вібросигналів, які характеризуються наявністю тимчасових залежностей амплітуди, частоти, фази. У класичному машинному навчанні вже отримані дані зазвичай випадковим чином ділять на навчальний і тестовий набори. На основі навчального набору даних отримують класифікатор, а за допомогою тестового перевіряють точність цього отриманої моделі класифікатора даних. Розроблений програмний комплекс вирішує проблему ідентифікації діагностичних вібросигналів методом підбору часових рядів тестового сигналу з мінімальною близькістю на основі вейвлет-коефіцієнтів. Відбір в тестовий набір здійснюється в процесі контролю за мінімальним значенням коефіцієнта автокогерентності, який близький до нуля. Таким чином, класифікатор даних працює безперервно, збагачуючи математичну модель розпізнаванням з'являються дефектів обладнання, що залежать від великого числа випадкових чинників-умов монтажу кваліфікації обслуговуючого персоналу і т.п. Принципово новий підхід до організації ідентифікації вібрації полягає в тому, що ідентифікуються не сигнали вібромониторинга записані за певний період часу, а ідентифікація відбувається в реальному режимі часу. Це робить контроль за станом технологічного обладнання оперативним. Розроблений алгоритм аналізу дозволяє реалізувати систему безперервного вібромониторинга технологічного обладнання, підвищити точність ідентифікації діагностичних вібросигналів за рахунок використання комплексного підходу до аналізу близькості тестового сигналу.
Посилання
Н. Н. Ишин, С. А. Гаврилов, «Методология вибромониторинга расходования ресурсов редук-торов мотор-колес большегрузных самосвалов», Вестник Нац. техн. ун-та «ХПИ»: сб. науч. тр. Темат. вып.: Проблемы механического привода, т. 28, с. 64-75. 2011.
М. В. Ромкин, «Программный комплекс для адаптивной фильтрации сигналов», Современные информационные технологии, №. 19, с. 82-86, 2014.
N. Daneshjo et al., «Specification of the Application of Vibrodiagnostics in Assessing the State of the Industrial Robot», Advances in Science and Technology Research Journal, t. 13, 2019.
J. Dybała, «Vibrodiagnostics of gearboxes using NBV-based classifier: A pattern recognition approach», Mechanical Systems and Signal Processing, t. 38, №. 1, рр. 5-22, 2013.
A. A. Puchalski, «Technique for the vibration signal analysis in vehicle diagnostics», Mechanical Systems and Signal Processing, t. 56, рр. 173-180, 2015.
Ю. Г. Табаков, «Разработка программного комплекса для обработки НЧ сигналов», Молодой ученый, №20, с. 228-231, 2014.
Б. А. Чичков, «Способ вибрационного мониторинга роторных машин», Научный вестник Мос-ковского государственного технического университета гражданской авиации, т. 21, № 1, 2018.
R. Harang, G. Bonnet, L. R. Petzold, «WAVOS: a MATLAB toolkit for wavelet analysis and visualization of oscillatory systems», BMC research notes, t. 5, № 1, p. 163, 2012.
Е. В. Бурнаев, «Применение вейвлет-преобразования для анализа экономических временных рядов», в Сб. научн. трудов летней школы по экономико-математическому моделированию ЭКОМОД, т. 2006, с. 95, 2006.
П. Ф. Щапов, Р. П. Мигущенко, «Синтез двумерных диагностических параметров при ковариа-ционном анализе трехмерных вейвлет-преобразований вибросигналов», Інформаційні техноло-гії та комп’ютерна інженерія, № 3, с. 69-75, 2013.
O. Oliynyk, Y. Taranenko, D. Losikhin, A. Shvachka, «Investigation of the Kalman filter in the noise field with an excellent Gaussian distribution», Eastern-European journal of enterprise technologies, vol.4/4, № 94, pp. 36–42, 2018.
Y. K. Taranenko, O. Y. Oliynyk, «Multifunctional vibration frequency transducer with cylindrical resonator», Measurement Techniques, vol. 61, № 7, рр. 41–46, 2018.
NumPy Array manipulation: ndarray.flatten() function. [Online]. Available: https://www.w3resource.com/numpy/manipulation/ndarray-flatten.php. Accessed on: January 22, 2020.
Scipy.spatial.distance.correlation. [Online]. Available: https://docs.scipy.org/doc/scipy0.14.0 /reference/generated/scipy.spatial .distance.correlation.html. Accessed on: January 22, 2020.
Scipy.spatial.distance.cosine. [Online]. Available: https://docs.scipy.org/doc/scipy/reference/ generaed/scipy.spatial. distance.cosine.html. Accessed on: January 22, 2020.
Екструдер двошнековий. Технічний паспорт. ПАКС01.00.000 ПС. Харків, Україна: ТОВ «Нау-ково-виробничий підприємство «ПАКС», 2015, 53 с.
Засоби вібродіагностики. BALTECH 2017. [Електронний ресурс]. Режим доступу: http://vibropoint.ru/sredstva-vibrodiagnostiki. Дата звернення: 04.30.2018.
##submission.downloads##
-
PDF
Завантажень: 236