ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ МОНИТОРИНГА СОСТОЯНИЯ  И ПРОГНОЗИРОВАНИЯ РЕСУРСА РАБОТЫ РЕДУКТОРОВ

И. К. Фарукшин; О. О. Сиверин; Е. Е. Алексеев; В. Д. Саломонов; В. Д. Афтенко

doi:10.14529/met250405

Авторы

И. К. Фарукшин Южно-Уральский государственный университет, Челябинск
О. О. Сиверин Южно-Уральский государственный университет, Челябинск
Е. Е. Алексеев Южно-Уральский государственный университет, Челябинск
В. Д. Саломонов Южно-Уральский государственный университет, Челябинск
В. Д. Афтенко Южно-Уральский государственный университет, Челябинск

DOI:

https://doi.org/10.14529/met250405

Ключевые слова:

редуктор, техническая диагностика, машинное обучение, нейронные сети, гибридные методы, виброанализ, акустическая диагностика, тепловой контроль, остаточный ресурс, цифровой двойник

Аннотация

В статье представлен анализ современных методов мониторинга состояния и прогнозирования срока службы редукторов, являющихся ключевыми узлами промышленных систем. Рассмотрены традиционные подходы к диагностике – виброанализ, акустическая диагностика и тепловой контроль, которые, несмотря на распространённость, обладают ограниченной информативностью и не позволяют в полной мере прогнозировать остаточный ресурс работы оборудования. Особое внимание уделено современным методам на основе искусственного интеллекта и машинного обучения, которые обеспечивают автоматическое извлечение параметров сигналов (виброакустических, тепловых и др.), несут информацию о состоянии оборудования, выявляют нелинейные закономерности и позволяют строить достоверные модели процессов поломки оборудования. Анализируются три основных направления интеллектуальной диагностики: методы машинного обучения, нейросетевые под-ходы и гибридные системы, объединяющие алгоритмы предобработки сигналов с моделями глубокого обучения.