機械診断の分野における重要な進展として、新しい研究では、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）を組み合わせることで、故障診断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、高性能ギアボックスに使用される機器の精度向上、検出速度向上、よりインテリジェントな診断システムを実現することを約束します。航空宇宙、自動車、および産業用途。

スパイラルベベルギア歯車は、高トルク機械、ヘリコプター、船舶推進システム、重工業用減速機などに用いられる重要な伝達部品です。その複雑な形状と動作条件のため、ピッチング、摩耗、歯折れなどの歯車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となっています。従来の信号処理技術では、ノイズ干渉や非線形な故障特性への対応が困難な場合が多くあります。

この新しい手法では、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）を用いて解析します。MSBは、信号の非線形性および非ガウス性を効果的に捉える高次のスペクトル解析手法です。MSBは、通常の周波数スペクトルでは隠されてしまうような、微妙な変調された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深層学習モデルです。このCNNモデルは、さまざまな負荷および速度条件下で、正常なギア、軽微な故障、および深刻な損傷を区別するように訓練されています。

独自設計の螺旋ベベルギア試験装置を用いた実験結果によると、MSB CNNアプローチは97%を超える分類精度を達成し、FFTベースの解析などの従来の手法や、生の振動データに依存する他の深層学習技術をも凌駕することが示されました。さらに、このハイブリッドモデルは背景ノイズに対する高い耐性を示し、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、従来時間のかかる専門知識を必要とする手動特徴エンジニアリングへの依存度も低減します。この方法は拡張性があり、ベアリングや遊星歯車.

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向けのインテリジェント故障診断システムの開発における一歩前進を表しています。自動化と機械の信頼性がますます重要になるにつれて、