|
Sieci neuronowe są bardzo przydatnym i uniwersalnym narzędziem pozwalającym na klasyfikację danych eksperymentalnych.Sztuczne sieci neuronowe, zarówno klasyczne jak również rozmyte, stosowane są z powodzeniem do detekcji oraz klasyfikacji rodzaju uszkodzeń łożysk tocznych [1–3]. Łożyska należą do najczęściej uszkadzanych elementów maszyn wirujących.Są również generatorami drgań.Celem przedstawionych w artykule badań było wykazanie różnic w drganiach poszczególnych elementów kolejnych łożysk tocznych, dzięki czemu możliwe będzie przeprowadzenie przez sieć neuronową oceny stanu łożyska tocznego.Ocena prowadzona jest w oparciu o klasyfikację poszczególnych cech sygnałów drgań w trakcie pracy.Badania skupiły się na przeprowadzeniu dwóch eksperymentów dla trzech łożysk tocznych o takiej samej budowie, lecz innym stopniu zużycia. Pierwszym etapem badań było zebranie wyników badań eksperymentalnych.Wyznaczanymi wartościami były: przyspieszenie średnie drgań, wartość szczytowa przyspieszenia, prędkość oraz przemieszczenie drgań.Po uzyskaniu sygnałów zostały one poddane transformacie Fouriera, dzięki czemu możliwe było wyznaczanie częstotliwości charakterystycznych dla drgań poszczególnych elementów łożyska. Kolejnym etapem prowadzonych badań jest zastosowanie sztucznych sieci neuronowych do klasyfikacji stanu łożyska.Jako zmienne wejściowe zastosowano charakterystyczne amplitudy wybranych częstotliwości.Analizy oparto na modelu neuronowym perceptronu wielowarstwowego (MLP).
|
