機械診断の分野における重要な進歩として、新たな研究により、変調信​​号バイスペクトル（MSB）と畳み込みニューラルネットワーク（CNN）を組み合わせて故障診断を行うことの有効性が実証されました。スパイラルベベルギアこの革新的なアプローチは、自動車に使用される高性能ギアボックスの精度向上、検出速度の高速化、よりインテリジェントな診断システムを実現します。航空宇宙、自動車、産業アプリケーション。

スパイラルベベルギア高トルク機械、ヘリコプター、船舶推進システム、そして高負荷産業用減速機に搭載される重要なトランスミッション部品です。複雑な形状と動作条件のため、ピッチング、摩耗、歯の破損といったギアの故障を早期に検出することは依然として技術的な課題です。従来の信号処理技術では、ノイズ干渉や非線形の故障特性への対応が課題となることがよくあります。

この新しい手法は、2段階の故障診断フレームワークを導入しています。まず、作動中のギアシステムによって生成される振動信号を、変調信号バイスペクトル（MSB）を用いて分析します。これは、信号の非線形性および非ガウス性の特徴を効果的に捉える高次スペクトル解析手法です。MSBは、標準的な周波数スペクトルでは通常は隠れている、微細な変調故障特性を明らかにするのに役立ちます。

次に、処理された信号データは時間周波数画像に変換され、畳み込みニューラルネットワーク（CNN）に入力されます。CNNは、高レベルの故障特徴を自動的に抽出し、ギアの状態を分類できるディープラーニングモデルです。このCNNモデルは、様々な負荷と速度条件において、正常なギア、軽微な故障、そして深刻な損傷を区別するようにトレーニングされています。

特注設計のスパイラルベベルギア試験装置を用いて実施した実験結果では、MSB CNNアプローチが97%以上の分類精度を達成し、FFTベースの分析や、生の振動データに依存する他のディープラーニング手法といった従来の手法を凌駕する性能を示しました。さらに、このハイブリッドモデルは背景ノイズに対して高い堅牢性を示し、実際の産業用途に適しています。

変調信号バイスペクトルとCNNの統合は、故障認識性能を向上させるだけでなく、従来は時間がかかり専門知識を必要とする手動の特徴量エンジニアリングへの依存を軽減します。この手法は拡張性が高く、ベアリングなどの他の回転機械部品にも適用できます。遊星歯車.

この研究は、インダストリー4.0およびより広範なスマート製造分野におけるインテリジェントな故障診断システムの開発における一歩前進を示すものです。自動化と機械の信頼性がますます重要になるにつれ、