САМАРА, 16 марта. /ТАСС/. Ученые Тольяттинского государственного университета (ТГУ) предложили способ измерять износ деталей машин во время их работы. Разработка позволит выполнять своевременные ремонты и экономить средства на простой техники, сообщили ТАСС в пресс-службе вуза.
"Исследователи из ТГУ разработали метод акустической диагностики, который на 45% повышает вероятность обнаружения опасного износа деталей по сравнению с известными решениями. Система, в основе которой алгоритмы машинного обучения, слушает работающий механизм, анализирует его акустические сигналы и заранее предупреждает о поломке", - рассказали в вузе.
По информации университета, ученые научили компьютер распознавать в посторонних шумах при работе механизмов первые признаки разрушения деталей. Разработанный метод позволяет диагностировать состояние деталей скольжения: подшипников, втулок, направляющих и других. Компьютер анализирует ультразвуковые сигналы, которые издают трущиеся поверхности, проводится спектральный и кластерный анализ. Используются алгоритмы машинного обучения, аналогичные применяемым для распознавания лиц, речи или классификации изображений.
"Традиционные акустические методы диагностики замеряют только громкость шума. Наш алгоритм анализирует несколько параметров ультразвуковых сигналов одновременно, поэтому он способен распознать, когда механизм работает нормально и когда появились первые признаки разрушения. Мы не просто слышим шум - мы понимаем, что именно происходит в узле трения и каков текущий уровень износа в нем", - пояснил ведущий научный сотрудник научно-исследовательского института прогрессивных технологий, профессор кафедры "Прикладная механика и инженерная графика" ТГУ Игорь Растегаев.
В отличие от традиционных методов диагностики, требующих остановки, разборки и простоя оборудования на период ремонта, предложенный метод позволяет анализировать исправность механизма во время его работы. Ученые разбили непрерывный звуковой поток работы механизма на тысячи коротких фрагментов, для каждого из которых рассчитали десятки параметров: амплитуду, энергию, частотный спектр, скорость изменения сигнала. Похожие фрагменты алгоритм сгруппировал в кластеры. Это позволило определить степень износа механизмов - от начальной стадии до приближения к катастрофическому разрушению. Эксперименты показали, что вероятность обнаружения опасного режима работы механизма при использовании нового метода выше на 45% по отношению к традиционным.
В вузе считают, что разработка может найти применение в разных сферах - от тяжелого машиностроения и энергетики до автомобильного транспорта. Для промышленности это возможность планировать ремонты без срочных остановок и заменять детали строго по необходимости, экономя средства на простоях. Результаты исследования описали в статье, опубликованной в международном рецензируемом научном журнале Journal of Friction and Wear.