Остання редакція: 2025-05-07
Анотація
Запропоновано підхід до раннього виявлення поломок механізмів та обладнання, порушень технологічних режимів валкового формування гнутих профілів шляхом застосування вібраційного моніторингу. Описано алгоритм, що дозволить ідентифікувати відхилення у роботі обладнання ще до настання критичних несправностей, що сприятиме підвищенню надійності виробничих процесів. Розглянуто можливість використання IoT-технологій та нейронних мереж для обробки отриманих даних, що дозволить здійснювати безперервний моніторинг у реальному часі. Для аналізу вібраційних сигналів, виявлення аномалій та прогнозування необхідності технічного обслуговування запропоновано ітегрування сенсорів, алгоритмів обробки сигналів і штучного інтелекту.
Ключові слова
Посилання
1. Sergienko N., Hubskyi S., Pavlova N., Turchyn O., Hasiuk O., Židek K. Obstacle-Resistant Wireless Strain Gauge Complex for Automated Monitoring of the Steel Structures Condition // EAI ARTEP 2023: EAI International Conference on Automation and Control in Theory and Practice. – 2023. – P. 17–31. DOI: 10.1007/978-3-031-31967-9_2.
2. Turkin I., Leznovskyi V., Zelenkov A., Nabizade A., Volobuieva L., Turkina V. The Use of IoT for Determination of Time and Frequency Vibration Characteristics of Industrial Equipment for Condition-Based Maintenance // Computation. – 2023. – Vol. 11. – P. 1–16. DOI: 10.3390/computation11090177.
3. Scalabrini Sampaio G., Vallim Filho A. R. d. A., Santos da Silva L., Augusto da Silva L. Prediction of Motor Failure Time Using An Artificial Neural Network // Sensors. – 2019. – Vol. 19. – Article ID 4342. DOI: 10.3390/s19194342.
4. Łuczak D. Machine Fault Diagnosis through Vibration Analysis: Time Series Conversion to Grayscale and RGB Images for Recognition via Convolutional Neural Networks // Energies. – 2024. – Vol. 17. – P. 1998. – P. 1–25. DOI: 10.3390/en17091998.