ГОСТ Р ИСО 13379-2—2016
Приложение В
(справочное)
Пример применения метода диагностирования на основе данных
Метод распознавания образов был применен для обнаружения неисправности подшипника асинхронного
электродвигателя.
Асинхронный двигатель является критичным оборудованием для многих производственных процессов и
зачастую является составным элементом поставляемого оборудования. При применении асинхронных двигателей
вопросы безопасности, надежности, эффективности и функциональности играют важнейшую роль Неисправности
подшипников двигателей, как правило, обнаруживают в результате анализа характерных подшипниковых частот,
например, с использование быстрого преобразования Фурье. Для обнаружения дефектов элементов качения под
шипников (рисунок В.1) может использоваться метод распознавания образов с применением искусственных
нейронных сетей.
— частота вращения тел качения: /с — частота вращения сепаратора:
f
j(j — частота перекатывания по внутреннему
кольцу:— частота перекатывания по наружномукольцу: — частота вращения ротора
Рисунок В.1 — Характеристические частоты дефекта подшипника
Многослойная нейронная сеть включает в себя входной слой, выходной слой и один или несколько скрытых
слоев.
Входной слой связан со спектральными линями вибрации подшипника, а выходной слой определяет состоя
ние подшипника (нормальное, неисправность наружного кольца (С^). внутреннего кольцасепаратора (fc) или
тела качения (/bd)J. Следует иметь в виду, что признаки неисправности связаны с частотой вращения /8.
Искусственная нейронная сеть обучалась по экспериментальным данным, полученным для известных состо
яний машины.
После обучения эффективность работы модели была проверена по независимым данным. Врезультате была
признана готовность модели для автоматизированного диагностирования с использованием данных быстрого пре
образования Фурье.
11