 |
Как измерить износ деталей, не останавливая машину?
Исследователи из Тольяттинского государственного университета (ТГУ) разработали метод акустической диагностики, который на 45% повышает вероятность обнаружения опасного износа деталей по сравнению с известными решениями. Cистема, в основе которой алгоритмы машинного обучения, «слушает» работающий механизм, анализирует его акустические сигналы и заранее предупреждает о поломке.
Каждый водитель знает: если в автомобиле появился посторонний стук, гул или скрежет – это повод насторожиться. А опытный механик по звуку и месту его источника определит, что именно происходит. Учёные из Тольяттинского государственного университета пошли дальше: они научили компьютер не просто слышать посторонние шумы, но и распознавать в них первые признаки разрушения деталей.
Разработанный ими метод диагностики подшипников, втулок, направляющих и других деталей скольжения основан на анализе ультразвуковых сигналов, которые издают трущиеся поверхности. Но вместо измерения громкости исследователи применили спектральный и кластерный анализ – это алгоритмы машинного обучения, аналогичные тем, что используются для распознавания лиц, речи или классификации изображений.
– Традиционные акустические методы диагностики замеряют только громкость шума. Это всё равно что оценивать здоровье человека только по тому, громко ли он дышит. Наш алгоритм анализирует несколько параметров ультразвуковых сигналов одновременно, поэтому он способен распознать, когда механизм работает нормально, когда появились первые признаки разрушения, – поясняет один из авторов исследования, ведущий научный сотрудник Научно-исследовательского института прогрессивных технологий, профессор кафедры «Прикладная механика и инженерная графика» ТГУ Игорь Растегаев. – Мы не просто слышим шум – мы понимаем, что именно происходит в узле трения и каков текущий уровень износа в нём.
Традиционные методы диагностики требуют остановки оборудования и его разборки. Это дорого и неэффективно: пока деталь не осмотрели и не измерили вручную, о её состоянии можно только гадать. Акустические методы давно используются для мониторинга, но обычно они работают по принципу «стало громко – значит плохо». Такой подход пропускает опасные сигналы на ранних стадиях развития повреждения, когда их маскирует фоновый шум. Новая технология позволяет распознавать такие сигналы.
Учёные разбили непрерывный звуковой поток работы механизма на тысячи коротких фрагментов. Для каждого фрагмента они рассчитали десятки параметров: амплитуду, энергию, частотный спектр, скорость изменения сигнала. Затем похожие фрагменты алгоритм сгруппировал в кластеры. И оказалось, что нормальный износ, начало схватывания поверхностей (предвестник задира – повреждения поверхности трения, после появления которого узел трения очень быстро выходит из строя) и катастрофическое разрушение имеют совершенно разные акустические «почерки».
Чтобы проверить свой метод, исследователи провели серию испытаний на специальных машинах трения, моделируя различные режимы работы. Эксперимент показали: вероятность обнаружения опасного режима (схватывания) выросла на 45% по сравнению с традиционным методом, при этом точность диагностики катастрофического износа сохранилась на прежнем высоком уровне. Важно и то, что оценка величины износа без остановки оборудования совпала с реальными замерами с расхождением не более 16 %.
– Существенное преимущество нашего метода ещё и в том, что он позволяет видеть динамику изнашивания, – продолжает Игорь Растегаев. – В реальной жизни деталь редко изнашивается как-то однообразно. Сегодня она работает в штатном режиме, завтра в механизм попадает песчинка (абразив), послезавтра возникает перегрузка, холодное густое масло и т.д. Спектрально-кластерный подход позволяет разделить эти события во времени и рассчитать, сколько материала потеряно по каждой причине. По сути, мы получаем послойную историю износа, не останавливая оборудование.
Разработка учёных ТГУ может найти применение в самых разных сферах – от тяжелого машиностроения и энергетики до автомобильного транспорта. Работающая в реальном времени система (устанавливается на машину), способна предупредить о начале опасных процессов за несколько дней или даже недель до того, как механизм выйдет из строя.
Для промышленности это возможность планировать ремонты без срочных остановок и заменять детали не «на всякий случай», а строго по необходимости, экономя миллионы рублей на простоях.
Результаты своей работы исследователи описали в статье, которая опубликована в Journal of Friction and Wear. Это международный рецензируемый научный журнал, публикующий исследования и практические работы в области трибологии – науки о трении, износе и смазке.
Контактное лицо: Ольга Колпашникова
Компания: ТГУ
Добавлен: 21:46, 16.03.2026
Количество просмотров: 378
Страна: Россия
| Ученый АГАУ предложила структурную схему цифровой трансформации АПК региона, ФГБОУ ВО "Алтайский государственный аграрный университет", 18:02, 20.04.2026, Россия223 |
| В Краснодаре завершила работу VII национальная научно-практическая конференция «Цифровая трансформация и искусственный интеллект в управлении проектами: вызовы и возможности для устойчивого развития», участие в которой приняла д.э.н., профессор кафедры экономики, анализа и информационных технологий Алтайского государственного аграрного университета Валентина Кундиус. |
| Базовой площадкой подготовки национальных кадров продолжает оставаться ХГУ, Хакасский государственный университет им. Н.Ф. Катанова, 15:09, 03.04.2026, Россия171 |
| Накануне в рамках Республиканских Дней науки «Катановские чтения – 2026» в институте истории и права Хакасского госуниверситета доктор исторических наук, профессор Надежда Артамонова провела открытую лекцию «Подготовка национальных кадров в Абаканском педагогическом институте (1943-1994 годах)», посвящённую Году единства народов России. |
|
|
