Диагностика механических систем привода полиграфических машин с использованием искусственных нейронных сетей
На правах рукописи
Куликов Григорий Борисович ДИАГНОСТИКА МЕХАНИЧЕСКИХ СИСТЕМ ПРИВОДА ПОЛИГРАФИЧЕСКИХ МАШИН С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ Специальность: 05.02.13 — Машины, агрегаты и процессы (печатныe средствa информации)
Автореферат диссертации на соискание ученой степени доктора технических наук
Москва 2008 2
Работа выполнена в ГОУ ВПО «Московский государственный университет пе чати» на кафедре печатного и послепечатного оборудования Научный консультант - доктор технических наук, с.н.с Цукерников Илья Евсеевич Официальные оппоненты - доктор технических наук Пономарев Юрий Валентинович доктор технических наук, профессор Могинов Рафис Гаптраусович доктор технических наук, профессор Тольский Владимир Евгеньевич
Ведущая организация: ГОУ ВПО «Санкт-Петербургский государственный университет дизайна и рекламы», Северо-Западный институт печати
Защита диссертации состоится «9» декабря 2008 г. в 14 часов на заседании дис сертационного совета Д 212.147.01 при Московском государственном универ ситете печати (МГУП) по адресу: 127550, г. Москва, ул. Прянишникова, 2а.
С диссертацией можно ознакомиться в библиотеке МГУП.
Автореферат разослан «........»......................2008 г.
Ученый секретарь диссертационного совета Д.212.147.01 Е.Д. Климова
Общая характеристика работы
Актуальность проблемы. Качество полиграфической продукции оп ределяется техническим состоянием механических систем привода полиграфи ческого машин (МС ППМ), которое в первую очередь зависит от степени изно са опор качения, кулачковых механизмов, зубчатых пар. Объектами исследова ния являются подшипниковые узлы МС ППМ при различном характере нагру жения и кулачковые механизмы. Основная направленность работы — диагно стирование и прогнозирование технического состояния исследуемых устройств.
Одним из направлений повышения качества обслуживания полиграфиче ского оборудования (ПО) является разработка методов и средств для своевре менного обнаружения и предупреждения отказов машин, возникающих в про цессе их эксплуатации. Наиболее действенными методами оценки состояния ПО и прогнозирования его изменения во времени являются методы техниче ской диагностики (ТД).
Актуальность работы заключается в повышении надежности МС ППМ за счет применения диагностических методов, позволяющих оценить качество функционирования и выявить возможные отказы на стадиях проектирования, производства и эксплуатации (ПО).
В настоящее время отсутствуют работы, содержащие комплексный под ход к обеспечению требуемого качества распознавания технического состояния (ТС) МС ППМ, охватывающий разработку средств диагностирования и реше ние задач обеспечения их эффективного функционирования. Необходимость решения упомянутых теоретических и практических задач и предопределила актуальность темы и цель исследования данной диссертационной работы.
Цель исследования. Целью диссертационной работы является разра ботка теоретических основ и создание высокоэффективных методов виброаку стической диагностики и прогнозирования ТС МС ППМ, обеспечивающих вы сокий уровень надежности и соответствующих тенденциям развития полигра фической техники.
Задачи исследования. Данная цель определила постановку следую щих задач:
1. На основе анализа отечественных и зарубежных исследований в области ТД провести систематизацию методов и средств, а также путей повыше ния их качества, разработать методологические подходы к проектирова нию систем ТД МС ППМ.
2. Создать теоретические и методологические основы автоматизированной системы ТД МС ППМ на базе мониторинга вибрационных процессов.
3. Разработать теоретические модели, связывающие спектральные характе ристики вибрации элементов МС ППМ с их конструктивными парамет рами и параметрами их износа и позволяющие определять техническое состояние МС ППМ с заданной достоверностью.
4. На основе математического моделирования и натурных экспериментов выбрать и обосновать новые диагностические признаки и признаковые пространства характеризующие ТС МС ППМ.
5. Найти функциональные (аналитические и статистические) зависимости между виброакустическими сигналами и ТС МС ППМ.
6. Разработать методологию диагностирования МС ППМ, обеспечивающую достоверность результатов контроля и позволяющую использовать ее в условиях эксплуатации полиграфических предприятий.
Методы исследования. При решении поставленных задач применя лись положения теории механизмов и машин, динамики, теории распознавания образов, теории вероятностей и математической статистики. В эксперимен тальных исследованиях использовались методы узкополосного спектрального анализа, регрессионного анализа и планирования экспериментов, математиче ские методы обработки экспериментальных данных. При разработке алгорит мов диагностирования использовались методы теории принятия решений, ма тематического моделирования и распознавания образов.
Научная новизна работы заключается в том, что впервые сформулиро ваны принципы построения систем технической диагностики привода полигра фических машин, включающие выделение информационных частот и оценку их значимости, формирование вектора диагностических признаков, оценку техни ческого состояния, основанную на теории распознавания образов. На этой ос нове созданы новые методы технической диагностики, построенные на исполь зовании искусственных нейронных сетей (ИНС).
Положения, выносимые на защиту 1. Принципы построения систем технической диагностики привода поли графических машин, включающие выделение информационных частот и оценку их значимости, формирование вектора диагностических призна ков, оценку технического состояния, основанную на теории распознава ния образов.
2. Методы оценки технического состояния элементов привода полиграфи ческих машин, основанные на узкополосном спектральном анализе виб роускорения и его огибающей, клиппировании спектра и синхронном на коплении, математических моделях, описывающих зависимость парамет ров вибрационных процессов в элементах механических систем привода от погрешностей размеров и формы деталей, а также их износа.
3. Методы выявления информационных частот в спектре вибрации механи ческих систем привода полиграфических машин и оценки их информа тивности, основанные на использовании искусственных нейронных сетей.
4. Основы построения диагностических моделей на основе искусственных нейронных сетей, позволяющие осуществлять классификацию техниче ского состояния элементов привода полиграфических машин, с помощью многомерных векторов диагностических признаков.
5. Методика диагностики механических систем привода полиграфических машин основанная на распознавании образов с использованием искусст венных нейронных сетей, позволяющая определить техническое состоя ние элементов привода и прогнозировать его развитие в условиях произ водства.
Практическая ценность. Полученные в работе данные о диагностиче ских признаках и диагностические модели для оценки состояния МС ППМ яв ляются методологической основой для разработки средств ТД МС ППМ и важ ным фактором организации системы обслуживания и ремонта. Их практическая ценность состоит в том, что они позволяют:
1. Применять разработанные средства диагностирования МС ППМ в про цессе изготовления, наладки и мониторинга во время эксплуатации.
2. Выполнять компьютерное моделирование и формировать диагностиче ские признаки, создавать информационные базы данных, являющиеся ос новой для оценки ТС элементов МС ППМ, а также для статистического анализа качества функционирования.
3. Внедрить систему технического обслуживания ПО «по состоянию», ос нованную на диагностическом контроле ТС МС ППМ по вибрационным параметрам.
Результаты диссертационной работы используются в учебном процессе в Московском государственном университете печати при дипломном проектиро вании, и научно-исследовательской работе студентов, магистров и аспирантов, в лабораторном практикуме и курсовом проектировании по дисциплинам «Ос новы технической диагностики полиграфического оборудования», «Методы и средства экспериментальных исследований».
Реализация и внедрение результатов работы. Разработанные мо дели, методики и комплекс технических средств использованы при проведении исследований по темам:
1. «Разработка методов компьютерной диагностики технического состоя ния пазовых кулачковых механизмов полиграфических машин» (тема Ф-1-99, 2000. МГУП № Гос. pег. 02.200.109034, pук. работы Г.Б. Куликов).
2. «Создание теории, методов расчета, проектирования и диагностики ав томатизированных полиграфических комплексов» (тема Г 1.3-01 2002. МГУП № Гос. pег. 01.200.1 12741, инв. № 02.20.03 03331, pук. работы Г.Б. Куликов).
3. «Разработка и теоретическое обоснование методов компьютерной ди агностики полиграфических машин» (тема Г-1-3-01, 2003. МГУП № Гос. pег.
01.20.03. 04228, pук. работы Г.Б. Куликов) Разработанные методы оценки технического состояния привода печатных пар ротационных печатных машин внедрены в производство на ОАО «Поли графический комплекс «Пушкинская площадь», в ООО «ЯМ Интернешнл (СНГ)», сервисным отделом ЗАО «Центр ХГС» и используются при проведе нии работ по обслуживанию и наладке офсетных печатных машин.
Осуществлено научное руководство тремя аспирантами, два из которых успешно защитили кандидатские диссертации, третья представлена к защите.
Апробация работы. Основные положения и результаты работы по те ме диссертации докладывались и обсуждались на четырех международных, от раслевых и вузовских научно-технических конференциях, в том числе на меж дународной научно-практической конференции «Полиграфия в современной России», Омск, 2001 г.
Публикации. По теме диссертации автором самостоятельно и в соавтор стве опубликованы 24 научные работы, в том числе 1 монография, 13 научных статей, 1 учебно-методическое издание, 5 материалов и тезисов докладов на на учных конференциях, 4 научно-технических отчета.
Структура и объем работы. Диссертационная работа состоит из вве дения, пяти глав, заключения, списка литературы из 290 наименований и приложений. Основная часть содержит 322 страницы, 26 таблиц, 95 рисунков.
Приложения занимают 44 страницы, содержат 36 таблиц и 20 рисунков.
Содержание работы Во введении обоснована актуальность выбранной темы исследований, определены основные направления работы, цели и задачи исследования, обос новано практическое значение работы, сформулированы положения, выноси мые на защиту, приведены сведения об апробации работы, публикациях и структуре диссертации.
В первой главе проведен анализ исследований, посвященных виброа кустической диагностике в полиграфии и других отраслях. Рассмотрены ре зультаты работ, посвященных диагностике элементов МС ППМ и определяю щих качество его функционирования. Сделан обзор работ по использованию вычислительной техники в ТД, проведен анализ диагностических исследований в области медицины. Рассмотрены вопросы надежности ПО, определены ос новные направления развития методов ТД в полиграфии и их математического обеспечения. Сформулированы цели и задачи ТД МС ППМ.
По своим целям задачи технической диагностики можно разделить на ряд связанных друг с другом классов: диагностика технического состояния объекта;
оценка запаса устойчивости и надежности работы ППМ;
классификация со стояний;
выделение источников вибраций (шумов).
Наибольшее развитие теория и практика вибродиагностики механических систем получила в работах И.И. Артоболевского, Ю.И. Бобровницкого, Ф.Б. Баркова, И.И. Вульфсона, М.Д. Генкина, А.Г. Соколовой, О.К. Постни кова, В.В. Шульца, Ю.П. Щевьева, А.К. Явленского, К.Н. Явленского, К. Кемпел (C. Cempel) и многих других. Однако в этих работах не рассматри ваются вопросы теоретического обоснования и разработки средств диагности рования ТС элементов механических систем с учетом их износа, погрешностей размеров и формы деталей, а также не решаются практические проблемы виб родиагностики для этих систем.
Как показали многочисленные исследования, надежность и качество функ ционирования ПО во многом определяются состоянием его привода.
Работоспособность привода в первую очередь определяется состоянием опор качения. В наибольшей степени это относится к печатному оборудованию, чрезвычайно насыщенному этими элементами. Например, одна секция ротаци онной печатной машины может содержать до 50 вращающихся валов, а каждая опора печатного цилиндра имеет от одного до трех подшипников качения (ПК).
Возможность использования безразборных методов оценки ТС ПК пред ставляет для полиграфии большой интерес. Наиболее фундаментальные иссле дования в этой области были проведены сотрудниками СибВИМа В.А. Змановским, А.И. Гибертом, А.Н. Криковым и в дальнейшем обобщены в работах Б.В. Павлова. Из зарубежных работ следует, прежде всего, отметить труды Г. Неймана. В полиграфии виброакустические исследования ПК прово дились во ВНИИполиграфмаше под руководством О.К. Постникова.
Другим элементом привода, широко используемым в ПО, являются кулач ковые механизмы (КМ). В некоторых моделях брошюровочно–переплетных машин их число может достигать 40 и более. Систематических исследований по разработке методов ТД КМ в полиграфии не проводилось.
Особенностью ТД МС ППМ является то обстоятельство, что из-за большой кинематической сложности оборудования взаимодействие отдельных деталей между собой порождает колебания, не поддающиеся точному математическому описанию. Другая особенность ТД МС ППМ заключается в технических труд ностях, возникающих при выделении информативных компонент сигнала на фоне высокого уровня помех. Это заставляет использовать специальные методы обработки виброакустических сигналов для формирования диагностических признаков, чувствительных к распознаваемым дефектам. Поэтому поиск ин формативных диагностических признаков неисправностей МС ППМ относится к числу наиболее трудоемких, трудно формализуемых операций.
В полиграфии систематических исследований в области создания систем ТД не проводилось. Это ставит задачу по разработке эффективных методов ТД основных элементов МС ППМ с учетом специфики их построения и условий эксплуатации.
Во второй главе дан анализ развития методов и средств ТД, представ лена их классификация. Подробно рассмотрены современные виброакустиче ские системы мониторинга и диагностики. Сформулирован перечень требова ний к измерительной аппаратуре. Обосновано использование виброакустиче ских методов для диагностики МС ППМ. Сделан обзор систем функциональной диагностики современного ПО.
Ведущие производители печатного оборудования, такие как, Heidelberg, MAN Roland, KBA, Komori оснащают выпускаемое оборудование специальными системами для сбора, обработки и анализа данных о работе машины, в том чис ле по техническому обслуживанию и отказам.
Общим недостатком применяемых систем встроенной диагностики ПО яв ляется ориентация на методы функциональной диагностики и отказ от контроля физического износа отдельных элементов.
На основании анализа тенденций развития методов и средств ТД и сделан ной классификации можно сделать следующие выводы:
1. В качестве основных диагностических параметров МС ППМ следует использовать характеристики колебательных процессов, чувствитель ных к изменению ТС исследуемых механизмов и позволяющих не толь ко диагностировать уже развившиеся неисправности, но и обнаруживать развивающиеся дефекты на ранней стадии.
2. Обработка результатов измерений должна производиться в цифровой форме. Это позволяет представить диагностические признаки в много мерной форме с адаптацией к кинематической схеме механизма и на грузочному режиму.
3. Для распознавания ТС МС ППМ оптимальными являются расчетные методы, основанные на теории распознавания образов.
В третьей главе на базе общих сведений о способах представления акустических сигналов, характеристик случайных колебаний проведен анализ рассмотренных методов с точки зрения пригодности для диагностики МС ППМ. Показано, что МС ППМ можно рассматривать как линейные системы. На основе сделанного анализа, предложено использовать узкополосный спек тральный анализ виброускорения, клиппирование спектра, стробирование, син хронное накопление, метод огибающей спектра виброускорения для построе ния многомерных векторов диагностических признаков МС ППМ.
Большинство современных методов виброакустической диагностики осно вано на анализе вибрации, возникающей при работе исследуемого оборудова ния. Информативность используемых диагностических признаков определяется эффективностью применяемых методов выделения информативных компонент в виброакустическом сигнале. Одним из наиболее распространенных методов виброакустической диагностики является спектральный метод.
Типовой спектр вибраций механического оборудования содержит, как пра вило, большое количество дискретных составляющих в области низких частот (рис. 1). По мере увеличения частоты гармонических составляющих становится меньше, и они практически отсутствуют в области высоких частот.
а б Рис. 1. Вибрации подшипника опоры печатной пары № 60206 ГОСТ 7242-70 с радиальным зазором 0,12 мм под нагрузкой а — временная реализация, б — спектр Достоинствами спектрального метода являются высокая помехозащищен ность и хорошая информативность, так как можно получить оценку состояния исследуемого узла на каждой из генерируемых им частот.
К недостаткам можно отнести низкую чувствительность к зарождающимся дефектам, амплитуды частотных составляющих которых недостаточно заметны в общем спектре. Еще одним недостатком спектрального анализа является не возможность получить информацию об изменениях частоты сигнала во време ни. Решить эту проблему можно использованием вейвлет-анализа.
При спектральном анализе вибраций, представляющих смесь как периоди ческих, так и стационарных случайных составляющих, теряется значительный объем информации, содержащейся в характеристиках каждой из компонент.
Поэтому встает задача выделения компонент, которые несут в себе максималь ный объем информации. В модулированных сигналах вибрации такой компо нентой чаще всего является модулирующая частота, а параметрами модулируе мой (несущей) компоненты, как правило, можно пренебречь.
Наиболее эффективным способом выделения модулирующей компоненты в таких случаях является формирование огибающей сигнала во времени.
Огибающую можно выделить с помощью амплитудного детектора, на вы ходе которого получаем следующий сигнал n m z ( t ) = A k cos (0 k ) t + 0 k.
k =1 Диагностическими признаками локальных дефектов контактирующих по верхностей служат n-мерные векторы, сформированные из составляющих спек тра огибающей в зоне одной из вынужденных частот дефектного узла.
К достоинствам метода огибающей можно отнести: высокую чувствитель ность и достоверность определения дефектов, возможность локализации дефек та при использовании высокочастотной вибрации.
Если в спектре присутствуют отдельные гармонические составляющие, их можно выделить простым клиппированием, т.е. умножением спектральной функции S ( f ) на функцию g ( f i ), равную единице в полосе частот f в окре стности гармоник, кратных основной частоте возбуждения f1, и равную нулю при других значениях аргумента. Полученные в результате амплитуды U ( mf i ) = S ( f ) g ( f i ) m = 1, 2, …, n являются компонентами n-мерного вектора диагностических признаков исследуемого механизма.
В тех случаях, когда энергия вибраций диагностируемого узла невелика, т.е. уровни спектральных составляющих сравнимы с помехой, улучшить отно шение сигнал/помеха можно с помощью операции синхронного накопления на периоде T0 исследуемого периодического сигнала n n y ( t ) = y ( y kT ) = A ( t kT0 ) + z ( t ), k =1 k = где A ( t ) — периодическая компонента с амплитудой A и периодом T0, z ( t ) — случайная компонента с дисперсией z, n — число исследуемых реализаций.
Стробирование позволяет выделить сигнал от конкретного механизма при исследовании кинематически сложных машин и механизмов, работающих по жесткой циклограмме. Чаще всего эта методика используется при диагностике цикловых механизмов.
Как показал проведенный анализ методов выделения информативных ком понент в акустических сигналах и накопленный многолетний опыт исследова ний выполненных автором в области виброакустики ПО, для диагностики таких элементов МС ППМ, как КМ и ПК наиболее подходят узкополосный спек тральный анализ виброускорения и его огибающей. Использование цифровых методов обработки позволяет получать спектры с точностью до 0,1 Гц в диапа зоне частот от 0 до 20000 Гц и более. Клиппирование полученных спектров да ет возможность представить состояние исследуемого механизма в виде много мерного вектора амплитуд спектральных составляющих вибрации и использо вать для его диагностики методы распознавания образов.
Четвертая глава посвящена разработке методов диагностики подшип ников качения (ПК) печатных пар полиграфических машин. Представлена клас сификация ПК и рассмотрены зависимости, позволяющие аналитически опре делить информационные частоты в спектрах вибрации однорядных, многоряд ных и конических ПК.
Наиболее полная и детальная диагностика подшипников качения с обна ружением и идентификацией дефектов на ранней стадии их развития выполня ется по сигналу вибрации подшипника, в основном высокочастотной. Основ ные проблемы такой диагностики возникают в двух случаях: когда высокочас тотная вибрация слишком слаба, т.е. в низкооборотных машинах, и когда кор пус подшипникового узла недоступен для установки датчика. И хотя ПО нельзя отнести к высокооборотным машинам (цилиндры печатной пары делают до 1000 об/мин), тем не менее для диагностики ПК наиболее подходящими явля ются виброакустические методы.
Основная причина вибрации подшипников — это отклонение от идеальной геометрической формы рабочих поверхностей колец подшипников и тел каче ния. При этом на уровень вибрации в наибольшей степени влияют активные элементы подшипника, т.е. если вращается внутреннее кольцо, то точность его изготовления и геометрия тел качения имеют решающее значение.
В первом разделе четвертой главы рассмотрены диагностические призна ки подшипников качения.
Вибрации, обусловленные упругой контактной деформацией, наблюдаются только в диапазоне частот, близких к частоте вращения подшипника, и при больших радиальных нагрузках. Повышенный износ деталей подшипника, осо бенно тел качения и поверхности колец, приводит к увеличению радиальных зазоров, вызывающих биение и повышенные вибрации вала.
В зависимости от конструктивных размеров элементов шарикоподшипника и частоты вращения, основные частоты вынужденных колебаний, возникающих при его работе, определяются по известным зависимостям:
f p = n / частота вращения вала (внутреннего кольца) fр d 1 cos, f сеп = частота вращения сепаратора 2 D f D d f т.к. = р 1 cos2, частота вращения тел качения 2 d D fр d частота мелькания тел качения по наружному 1 cos, fн = z 2 D кольцу f d частота мелькания тел качения по внутрен- f в = z р 1 + cos, 2 D нему кольцу где:
n — частота вращения вала, мин-1;
d — диаметр тел качения;
D = ( DВ + DН ) / 2 — диаметр окружности, проходящей через центры тел ка чения;
DВ и DН — диаметры внутреннего и наружного колец подшипника;
— угол контакта в градусах;
z — число тел качения.
В процессе эксплуатации в подшипниках развиваются дефекты, вызываю щие появление в спектре вибраций дискретных составляющих, частоты кото рых определяются видом повреждения. Основные частоты вибраций, возни кающие из-за повреждений элементов подшипников качения, следующие:
D + d D d n f1 =, из-за дефекта формы тел качения d d D + d nz f2 =, из-за изменения формы внутренней дорожки D D d nz f3 =, из-за изменения формы внешней дорожки D Резонансные колебания элементов подшипника могут возникать в резуль тате периодических ударов тел качения при прохождении дефектных точек до рожки. Одним из таких резонансов является резонанс шариков, частота которо го вычисляется по формуле 0,848 E fш =, d где Е — модуль упругости;
— плотность материала шариков.
Одним из наиболее распространенных дефектов монтажа подшипников яв ляется перекос колец. Перекос наружного кольца подшипника проявляется на частотах f н.к. = кf сеп z, где f сеп — частота вращения сепаратора;
z — число тел качения;
k = 1, 2. ….
Перекос внутреннего кольца подшипника проявляется на частотах f в.к. = к ( f р f сеп ) z.
На перечисленных частотах проявляются и другие дефекты деталей ПК, в частности локальные дефекты типа раковин, царапин, наклепов.
При проведении диагностики ПК, установленных в приводе печатных пар, достаточно трудно установить вибродатчик в непосредственной близости от подшипника. В результате этого датчик помимо вибрации самих подшипников, регистрирует и вибрации, приходящие от других элементов привода: зубчатых передач, электродвигателей и т.п. В низкочастотной области (0—50 Гц) вибра ции обусловлены конструктивными параметрами подшипника, на высоких час тотах — изгибными колебаниями наружного кольца. Учитывая, что амплитуда вибраций подшипника на высоких частотах на один два порядка меньше, чем в области низких частот, возникает задача аналитического определения инфор мационных частот подшипников, работающих в реальных условиях.
В работе были рассмотрены математические модели однорядных, двух- и многорядных шарикоподшипников, а также конических роликоподшипников.
В.В. Вениаминовым предложена математическая модель радиальных коле баний наружного кольца однорядного шарикоподшипника, позволяющая опре делить параметры вибрации ПК с учетом деформации контактирующих тел.
Однако для определения упругих коэффициентов модели необходимо произве сти достаточно сложные и трудоемкие расчеты контактной деформации дета лей. Кроме того, предлагаемая модель не учитывает износ подшипника.
В работах Е.М. Анодиной-Андриевской предложена методика входного диагностического контроля двух- и многорядных шарикоподшипников преци зионных приборов. Предлагаемая автором обобщенная математическая модель шарикоподшипников позволяет оценить влияние погрешностей изготовления шарикоподшипников на перемещения колец, деформации шариков, углы кон такта шариков с кольцами в условиях действия статических нагрузок. Однако использование данной методики для диагностики износа многорядных шарико подшипников, применяемых в ПО, невозможно, так как модели построены с учетом только статических нагрузок, в то время как подшипники печатных пар работают в жестких условиях вибрационных и ударных нагрузок. Рассматри ваемая методика может быть рекомендована производителям ПО только для входного контроля многорядных шарикоподшипников.
В.Д. Кондаковым рассмотрена модель однорядного конического ролико подшипника (ОКРП) в которой некруглость рабочих поверхностей представле на как случайная функция комбинированной структуры (гармоническая плюс случайная составляющие), а колебания деталей подшипника рассматриваются как колебания линейных распределенных систем (наружное кольцо представ лено в виде упругого кругового стержня малой кривизны). Работа посвящена снижению шумности подшипников заднего моста автомобилей семейства ВАЗ, предложенные автором модели также не учитывают износ подшипника, и не могут быть использованы для расчета информационных частот конических ро ликоподшипников используемых в ПО.
Таким образом, рассмотренные зависимости пригодны только для ориен тировочного определения информационных частот. В условиях производства эти частоты должны определяться экспериментально.
Во втором разделе четвертой главы приведены результаты эксперимен тального исследования параметров износа однорядных ПК печатной пары.
Целью экспериментов является анализ вибраций, возникающих в подшип никах печатной пары, и выявление информационных частот в спектре виброу скорения. Исследование вибраций подшипников проводилось в низкочастотной области 0–50 Гц, и в полосах частот 50–6000, 6000–20000 Гц. Деление на поло сы частот обусловлено способом цифровой обработки полученных сигналов.
Эксперименты проводились на макете и в условиях типографии на рулон ной офсетной печатной машине Mercury производства фирмы Heidelberg. Во время экспериментов сигнал с датчика виброускорения, установленного на бук се подшипника печатной пары или станине машины, оцифровывался с частотой дискретизации 100 Гц для низкочастотного диапазона и 51000 Гц во всех ос тальных случаях. Далее сигнал записывался в текстовый файл. Спектральный анализ осуществлялся с помощью п/о STATISTIKA 6.1.
Первая серия экспериментов была проведена на макете печатной пары, из готовленном на базе офсетной печатной машины Ромайор 314. Исследовались подшипники опор офсетного цилиндра — это стандартный однорядный под шипник качения № 60206 Гост 7242-70.
Для исследования были отобраны 9 подшипников разной степени износа с различными показателями зазора. В табл. 1 приведены показатели радиального зазора исследуемых подшипников.
Таблица Величина радиального зазора исследуемых подшипников Номер под 1 2 3 4 5 6 7 8 шипника Радиальный Номинал 0,01 0,12 0,15 0,16 0,18 0,2 0,25 0, зазор, мм Эксперименты проводились на скорости 3500 отт/час (n=58,3 об/мин). Дат чики виброускорения (в силу невозможности расположения их непосредствен но на объекте исследования) устанавливались в непосредственной близости от него на буксе. Спектральный состав вибрации, возникающей при работе ПК, зависит от геометрических размеров его элементов и оборотной частоты вра щения цилиндров.
По приведенным выше формулам были рассчитаны основные частоты воз буждения колебаний подшипников. Результаты расчета сведены в табл. Таблица Расчетные значения основных частот колебаний подшипника № № Обозна- Результат Наименование п/п чение расчета, Гц 1. Частота вращения ротора 0, fр 2. Частота перекатывания тел качения по внешней обойме 3, fн 3. Частота перекатывания тел качения по внутренней обойме 5, fв 4. Частота сепаратора 0, fс 5. Частота перекатывания тел качения 4, fтк 6. Частота вибраций, возникающих из-за дефекта формы тел 43, f качения 7. Частота вибраций, возникающих из-за изменения формы 5, f внутренней дорожки 8. Частота вибраций, возникающих из-за изменения формы 3, f внешней дорожки На рис. 2 представлена запись вибраций подшипника с радиальным зазо ром 0,01 мм. Из рисунка видно, что при такой величине радиального зазора на виброграмме нет заметных периодических составляющих. Сигнал виброуско рения, зарегистрированный на подшипнике с радиальным зазором 0,25 мм, при веден на рис. 3. На виброграмме хорошо видны импульсы, повторяющиеся че рез равные интервалы, соответствующие частоте вращения вала.
Рис. 2. Вибрации подшипника с радиальным Рис. 3. Вибрации подшипника с радиаль зазором 0,01мм ным зазором 0,25 мм Импульсы возникают в моменты прохождения через «несущую», нагру женную зону подшипника, дефектного элемента или элементов. Параметры этих импульсов определяются видом, локализацией и степенью развития дан ного дефекта подшипника.
Далее для каждого из девяти подшипников были получены спектральные характеристики виброускорения с точностью 0,1 Гц.
Рис. 4. АЧХ девяти подшипников в области низких частот На рис. 4 представлены низкочастотные АЧХ девяти ПК. Хорошо заметно увеличение амплитуд спектральных составляющих по мере увеличения ради ального зазора. На спектре девятого ПК отчетливо видны резонансные пики на частотах, достаточно хорошо совпадающих с расчетными (табл. 2), первый ре зонансный пик соответствует частоте вращения печатной пары — 0,97 Гц.
Полного совпадения экспериментальных данных с расчетными нет, так как в печатной паре подшипники находятся под нагрузкой в виде включенного на тиска. Из полученных в ходе экспериментов АЧХ было выделено четыре ин формационных частоты: 6 Гц, 15 Гц, 26 Гц и 46 Гц, для каждой из которых бы ли построены зависимости амплитуды колебаний в подшипниковом узле от ра диального зазора (рис. 5).
Рис. 5. Зависимость амплитуды колебаний от радиального зазора в подшипниковом узле На всех информационных частотах зависимость диагностического пара метра (амплитуды вибраций) от структурного (радиального зазора) однозначна, т.е. при увеличении радиального зазора соответственно увеличивается ампли туда вибраций. Кроме того, на частотах 15, 26 и 46 Гц эта зависимость близка к линейной, а на частоте 46 Гц диагностический признак обладает наибольшей чувствительностью (эта частота соответствует частоте вибраций, возникающих из-за дефекта формы тел качения). Из вышесказанного можно сделать вывод, что выбранные диагностические признаки являются информативными и могут быть использованы как для оценки текущего состояния диагностируемых под шипников, так и для прогноза развивающихся дефектов.
Далее была проведена статистическая обработка полученных результатов, определены доверительные интервалы, и на основе дисперсионного анализа построены регрессионные модели. На рис. 6 9 для представлены усреднен ные значения амплитуды виброускорения в вольтах каждого подшипника, и со ответствующие величины доверительных интервалов на выделенных информа ционных частотах. Величины 1, 2 характеризуют разрешающую способность информационной частоты в различных диапазонах изменения контролируемого параметра. Например, на частоте 6 Гц средняя амплитуда виброускорения под шипника с радиальным зазором 0,2 мм составляет 0,069 В (рис. 6). При этом в соответствии с полученным доверительным интервалом этой амплитуде может соответствовать зазор подшипника от 0,18 до 0,25 мм. Это можно записать как 0,200,02((10%)) мм, т.е. реальная величина зазора может отличаться от расчетной на +0,05 25% 25% в большую сторону и на 10% в меньшую. Для подшипника с радиальным зазором 0,25 мм аналогичный показатель составит +16%, - 20%. Еще хуже этот показатель у подшипника с радиальным зазором 0,12 мм. Это говорит о невы сокой информативности данной частоты и нестабильности получаемых резуль татов.
Рис. 6. Экспериментальные значения и дове- Рис. 7. Экспериментальные значения и до рительный интервал для частоты 6 Гц верительный интервал для частоты 15 Гц а — экспериментальные значения, б — доверительный интервал, 1, 2 — разрешающая способность На частоте 15 Гц средняя амплитуда виброускорения подшипника с ради альным зазором 0,2 мм составит 0,05 В (рис. 7), этой амплитуде может соответ ствовать зазор подшипника от 0,185 до 0,216 мм (+8%, -7,5%), а для подшипни ка с радиальным зазором 0,25 мм аналогичный показатель составит (+40%, 6,4%). Таким образом, на данной частоте хорошие результаты можно получить только в достаточно узком диапазоне изменения контролируемого параметра.
Следующая информационная частота — 26 Гц. Для нее средняя амплитуда виброускорения подшипника с радиальным зазором 0,2 мм составит 0,073 В (рис. 8), этой амплитуде может соответствовать зазор подшипника от 0,17 до 0,23 мм (±15%). Соответственно для подшипника с радиальным зазором 0, мм амплитуда виброускорения составит 0,076 В, а ожидаемый зазор подшип ника от 0,22 до 0,28 мм (±12%). Аналогичные результаты будут и для осталь ных подшипников.
Рис. 8. Экспериментальные значения и дове- Рис. 9. Экспериментальные значения и до рительный интервал для частоты 26 Гц верительный интервал для частоты 46 Гц а — экспериментальные значения, б — доверительный интервал, 1, 2 — разрешающая способность На частоте 46 Гц средняя амплитуда виброускорения подшипника с ради альным зазором 0,2 мм составляет 0,08 В (рис. 9). При этом в соответствии с полученным доверительным интервалом этой амплитуде может соответство вать зазор подшипника от 0,19 до 0,225 мм, т.е. реальная величина зазора может отличаться от расчетной на 12% в большую сторону и на 5% в меньшую.
Для подшипника с радиальным зазором 0,25 мм аналогичный показатель составит ±0,025% (±10%). Аналогичные показатели будет и у остальных под шипников. Это говорит о высокой информативности данной частоты и ста бильности получаемых результатов. Следует также отметить высокую чувстви тельность данного признака.
Далее были разработаны диагностические модели.
Модель регрессии на информационной частоте 6 Гц (рис. 10) X (6) = Y 4 (1,377 107 ) + Y 3 ( 1,893 106 ) + Y 2 (7,547 104 ) + (Y + 9) ( 1,822).
Модель регрессии на информационной частоте 15 Гц (рис. 11) X (15) = Y 4 (2,542 107 ) + Y 3 ( 3,702 106 ) + (Y 2 + 2000) (2,363 104 ) (Y + 2000) (2,363 104 ).
Модель регрессии на информационной частоте 26 Гц (рис. 12) X (26) = Y 4 (1,12 107 ) + Y 3 ( 1,656 106 ) + (Y 2 + 1000) ( 5,497 105 ) (Y + 500) (1,009 104 ).
Модель регрессии на информационной частоте 46 Гц (рис. 13) X (46) = ( 2,125 103 ) + Y 3 ( 8 103 ) + Y 2 (2,013 105 ) + (Y + 10) 211,943.
На рис. 10 и 11 в качестве примера представлены регрессионные модели и результаты экспериментов для частот 6 и 45 Гц. На представленных графиках по оси абсцисс отложена величина зазора исследуемых подшипников ( xi ) в мм, а по оси ординат амплитуда виброускорения на информационной частоте ( Yi ) в вольтах.
Рис. 10. График модели регрессии 6 Гц Рис. 11. График модели регрессии 46 Гц а – регрессионная модель, б – эксперимент Из рис. 10 видно, что полученная для частоты 6 Гц модель точно отражает поведение исследуемого параметра в диапазоне зазоров от 0 до 0,25 мм, когда подшипник еще сохраняет работоспособность.
На информационной частоте 15 Гц диагностическая модель также вполне адекватна экспериментальным данным для первых восьми подшипников (в диапазоне зазоров от 0 до 0,25 мм). Так же как и на частоте 6 Гц в диапазоне за зоров 0,25 — 0,45 мм наблюдается отклонение, выходящее за пределы довери тельного интервала. Это следует учитывать при диагностике сильно изношен ных подшипников.
Для частоты 26 Гц модель адекватна во всем диапазоне изменения диагно стируемого параметра и, как показано выше, обладает хорошей разрешающей способностью.
Наилучшие результаты получены на частоте 46 Гц (см. рис. 11). Во всем диапазоне изменения диагностируемого параметра модель адекватна и не вы ходит за пределы доверительного интервала.
Таким образом, методика диагностики однорядных ПК использующая низ кочастотные спектры виброускорения, обладает достаточно высокой точностью и достоверностью. Разработанные регрессионные диагностические модели по зволяют не только оценивать величину фактического износа подшипника, но и прогнозировать развитие дефекта. Разрешающая способность метода на часто тах 6 и 15 Гц составляет, в среднем, ± 25%, а на частотах 26 и 46 Гц ± 15%. На отдельных измерениях была получена разрешающая способность ±5%. Даль нейшее повышение точности диагностики однорядных ПК, возможно за счет использования многофакторных диагностических моделей, основанных на ис пользовании искусственных нейронных сетей.
В третьем разделе четвертой главы приведены результаты эксперимен тального исследования роликовых ПК печатной пары.
Данная серия экспериментов была посвящена выявлению информацион ных частот в спектре вибраций подшипников печатной пары в условиях типо графии на рулонной офсетной печатной машине Mercury. Машина представля ет собой две печатные башни по 8 печатных секций без сушки, еще одна печат ная башня включает 4 печатные секции с газовой сушкой, один фальцаппарат, пять рулонных зарядок, одно приемно-комплектующее устройство.
Эксперименты проводились на одной из печатных секций. Остальные пе чатные секции были отключены, фальцаппарат также был отключен. Кроме то го, в печатной секции были отключены все валики красочных и увлажняющих аппаратов, чтобы фиксировались вибрации только двух офсетных и двух форм ных цилиндров. Датчик виброускорения в силу невозможности расположения его непосредственно на буксе подшипника, закреплялся на станине.
В опорах офсетного цилиндра печатной машины Mercury установлены вы сокоточные двухрядные сферические роликовые подшипники, основные тех нические характеристики которых приведены в табл. 3.
Все записи производилась на скоростях работы: 10000, 20000, 30000, 40000, 45000 об/час с натиском и без натиска.
Таблица Характеристики двухрядного роликового подшипника № Размеры, мм Условное обозна чение подшипни Средний диаметр Диаметр тела ка Ширина тела ка Число тел каче сепаратора, мм чения, мм чения, мм d D В ния ка 379619 60,2 109,8 27,77 19 12,6 9,26 На рис. 12 представлена запись вибраций печатной секции, сделанная на скорости 45000 об/час с натиском. Хорошо видны периодические импульсы, соответствующие частоте вращения цилиндров печатной пары.
Рис. 12. Запись вибраций печатной секции Mercury Задача эксперимента — выявление информационных частот ПК в спектре вибраций печатной секции. Для этого были рассчитаны ожидаемые значения вынужденных частот на разных скоростях вращения (табл. 4).
Таблица Расчетные значения основных частот колебаний подшипника офсетного ци линдра Mercury Скорость работы, об/час Частота, Гц 10000 20000 30000 40000 fр 2,7 5,55 8,33 11,11 12, 8,91 18,32 27,50 36,67 41, fт.к.
21,8 44,97 67,53 90,04 101, fн 29,39 60,42 90,72 120,97 136, fв f1 24,25 493,86 741,50 988,70 1112, f2 29,44 60,52 90,86 121,15 136, f3 21,84 44,91 67,42 89,90 101, Далее был проведен спектральный анализ полученных записей вибраций.
На рис. 13 и рис. 14 представлены спектры виброускорения, полученные на скорости 45000 об/час.
Рис. 13. Спектр вибраций печатной секции Рис. 14. Спектр вибраций печатной секции Mercury (0—6000 Гц) Mercury (6000—20000 Гц) Как видно из представленных диаграмм наибольший уровень спектраль ных составляющих приходится на диапазон 1800—3000 Гц.
Для выяснения природы вибраций, возникающих в печатной паре, в АРМ WinMachine был смоделирован офсетный цилиндр печатной машины Mercury и произведен расчет его собственных частот. Частоты 1093,62;
1173,05;
1654,87;
2085,26;
2115,07;
2797,89;
3243,72 Гц соответствуют изгибным колебаниям са мого цилиндра. Как видно из рис. 13 амплитуда спектральных составляющих на этих частотах максимальна. Амплитуды резонансных пиков на высокочастот ном спектре (рис. 14) имеют значительно меньшую величину и характеризуют вибрации подшипников в области высоких частот.
Для выявления низкочастотных составляющих спектра вибрации подшип ников были построены зависимости в диапазоне 0 — 50 Гц для различных ско ростей работы машины. На рис. 15 хорошо видны резонансные пики, соответ ствующие расчетным информационным частотам (см. табл. 4) и их смещение по мере увеличения частоты вращения цилиндров. Это говорит о хорошем сов падении расчетных значений с результатами эксперимента.
Рис. 15. Низкочастотные спектры вибрации печатной секции Mercury Проведенные исследования показали, что износ деталей подшипника при водит к увеличению радиального зазора, вызывающего биение и повышенные вибрации узла. Доказано также, что в производственных условиях при установ ке датчика на станине машины, возможно выделение информационных спек тральных составляющих, отвечающих за состояние подшипников как в низко частотной области, так и на высоких частотах. При использовании в качестве диагностических признаков низкочастотных спектральных составляющих не обходимо учитывать их зависимость от скорости вращения подшипника.
Пятая глава посвящена разработке методов диагностики МС ППМ с использованием искусственных нейронных сетей. В главе рассмотрены прин ципы построения и классификация диагностических систем с использованием методов распознавания, обосновано применение искусственных нейронных се тей в задачах диагностики МС ППМ. Сделан анализ причин возникновения шума и вибраций при работе кулачковых механизмов и влияния их износа на акустический сигнал. Обоснованы наборы признаков для диагностики МС ППМ. Впервые разработаны методы диагностирования цикловых механизмов полиграфических машин и ПК с использованием аппарата распознавания обра зов. Впервые на основе ИНС разработаны диагностические модели кулачковых механизмов и методы подготовки данных для определения их технического со стояния. Впервые разработана методика диагностики, основанная на примене нии ИНС, представлены результаты экспериментальной проверки предлагае мой методики.
В первом разделе пятой главы представлена классификация диагностиче ских систем с использованием методов распознавания. В технической диагно стике системы распознавания — это технические средства, предназначенные для выявления признаков объектов и измерения описывающих их параметров, совокупность алгоритмов распознавания, вычислительная техника, реализую щая эти алгоритмы.
В процессе проектирования и построения диагностических систем с ис пользованием методов распознавания необходимо решить ряд основных задач.
На первом этапе необходимо классифицировать состояния исследуемых объектов.
На втором этапе составляется словарь признаков x1, …, xN для априорно го описания классов. Признаки объектов могут быть подразделены на логиче ские, детерминированные и вероятностные (стохастические).
Задача третьего этапа — описание классов состояний объекта на языке признаков. При решении этой задачи каждому классу необходимо поставить в соответствие числовые параметры выбранных диагностических признаков.
Пусть в словаре содержится упорядоченный набор параметров объектов — признаки x1, …, xN. Эти величины представляют собой вектор X = { x1, …, xN }, характеризующий пространство признаков исследуемого объекта размерности N. Отдельные точки этого пространства представляют собой распознаваемые состояния. Разобьем массив состояний объекта на классы 1, …, m. Требует ся выделить в пространстве признаков области Di, i = 1, …, m, эквивалентные классам, т.е. характеризуемые следующей зависимостью: если объект, имею i i щий признаки x1, …, x N, относится к классу i, то представляющая его в про странстве признаков точка принадлежит области Di.
На четвертом этапе разрабатываются алгоритмы распознавания, обеспе чивающие отнесение распознаваемого состояния объекта к тому или другому классу или их некоторой совокупности.
Алгоритмы распознавания основываются на сравнении той или другой меры сходства состояния распознаваемого объекта с каждым из имеющихся классов.
При этом если выбранная мера близости L данного состояния объекта с ка ким-либо классом g, g = 1, …, m превышает меру его близости с другими классами, то принимается решение о принадлежности этого состояния объекта классу g, т.е. g, если L (, g ) = extr L (, i ), i = 1,…, m.
i Одним из перспективных методов решения задач прогнозирования, распо знавания и классификации является использование искусственных нейронных сетей.
Во втором разделе пятой главы, изложены вопросы применения ИНС в задачах диагностики. Основу каждой нейронной сети составляют однотипные элементы, имитирующие работу нейронов мозга.
Нейрон характеризуется своим текущим состоянием по аналогии с нерв ными клетками головного мозга. Он обладает группой синапсов — однона правленных входных связей, соединенных с выходами других нейронов, а так же имеет аксон — выходную связь, с которой сигнал поступает на синапсы следующих нейронов.
Каждому входу ставится в соответствие весовой коэффициент wi, характе ризующий пропускную способность канала и оценивающий степень влияния сигнала с этого входа на сигнал на выходе. Входные сигналы умножаются на соответствующие веса, и все произведения суммируются, определяя уровень ак тивации нейрона. Нейрон осуществляет взвешенное суммирование входных воздействий, и далее это значение является аргументом активационной функ ции нейрона. Нейрон состоит из взвешенного сумматора и нелинейного эле мента. Сумматор складывает взвешенные входы алгебраически n d = xi wi, i = где xi — входные сигналы, wi — весовые коэффициенты.
Математическая модель нейрона представлена на рис. 16.
Рис. 16. Математическая модель нейрона Выход нейрона является функцией его состояния Y = F (d ), где F — нелинейная функция, называемая функцией активации. Функция активации определяет выходной сигнал нейрона.
Качество работы нейронной сети в значительной степени зависит от предъявляемого ей в процессе обучения набора данных. Эти данные должны быть типичными для задачи, решению которой обучается сеть. Обучение счи тается законченным, когда сеть правильно распознает тестовые примеры и дальнейшее обучение не вызывает значительного изменения весовых коэффи циентов. В случае возникновения ситуации, информация о которой никогда не предъявлялась сети при обучении она может быть дообучена с учетом новой информации, при этом предыдущая информация не теряется, а обобщается с вновь поступившей.
В третьем разделе пятой главы, рассмотрены диагностические признаки цикловых механизмов полиграфических машин.
Цикловые механизмы широко используются в ПО. Наиболее ярким пред ставителем этого класса механизмов являются кулачковые механизмы с кине матическим замыканием, нашедшие наибольшее применение в послепечатном оборудовании. Особую роль эти механизмы играют в ниткошвейных автоматах, так как от их состояния зависит качество работы машины. Как правило, поли графические машины содержат 5—10 КМ, а, например, в блокообрабатываю щих агрегатах их количество достигает 62. Особенностью КМ является явно выраженный цикл работы и жесткая последовательность контакта кинематиче ских пар.
Колебания деталей КМ под действием ударов происходят на собственных частотах, характерных для каждого элемента механизма, что облегчает их вы деление из общего спектра вибраций.
За период эксплуатации кулачок проходит несколько этапов развития де фектов: от зарождения дефекта до начала аварийного износа. Для различных механизмов предельная величина износа будет разной. Например, для кулачков привода качающегося стола ниткошвейного автомата износ рабочей части про филя (т.е. участка, соответствующего моменту подхода стола в позицию шитья) за год может достигать величины 0,15 0,75 мм. Износ остальных участков составляет 0,04 0,06 мм.
В четвертом разделе пятой главы приведены результаты эксперименталь ного исследования параметров износа КМ полиграфических машин.
Эксперименты проводились на макете, изготовленном на базе ниткошвей ного автомата БНШ-6. Макет представляет собой механизм привода качающе гося стола, механизм проколок и станину с электродвигателем. Остальные ме ханизмы для снижения помех были удалены (рис. 17).
а) б) Рис. 17. Макет а — общий вид, б — место установки датчика Наиболее ответственным является механизм привода качающегося стола, так как точность его позиционирования определяет основные показатели каче ства шитья блока. Нарушение точности позиционирования стола вызывает не совпадение верхних и нижних швейных инструментов, что приводит к их по ломке, смещению стежка, разрыву отверстий в корешке тетради, неплотному шитью, а, следовательно, затеканию клея между листами тетради и последую щему разрыву листов при раскрывании готовой книги. Качающийся стол ма шины БНШ-6 приводится в движение парой пазовых кулачков. Кулачки имеют технологические зазоры, необходимые для качения ролика толкателя по пазу. В процессе эксплуатации эти зазоры увеличиваются вследствие износа профиля кулачка и ролика.
На рис. 18 представлены циклограммы работы основных швейных инстру ментов, совмещенные с записью виброускорения стола.
В моменты смены знака ускорения (рис. 18 е) в кулачковом механизме про исходит перекладка зазора, сопровождающаяся ударом. На графике виброуско рения (рис. 18 а) этот удар проявляется в виде четко выраженного пика. Распо ложение пиков соответствует циклограмме работы механизма, представленной на рис. 18 в.
Рис. 18. Циклограммы работы швейных инструментов а запись виброускорения стола, б запись колебаний стола во время выстоя, в цикло грамма стола, г циклограмма проколов, д циклограмма швейной каретки, е — графики ускорения стола Как видно из представленных диаграмм, проколы начинают движение во время перемещения стола в позицию шитья, затем стол останавливается и на участке 141о — 150о происходит прокалывание корешка тетради. В момент ос тановки стол ударяется об упоры, что вызывает его сильные колебания. В это же время начинает движение швейная каретка (участок 149о — 193о), проколы выходят из корешка тетради и в образовавшиеся отверстия входят швейные ин струменты. По виброграмме видно, что максимальная амплитуда колебаний стола приходится как раз на момент входа швейных инструментов в корешок тетради.
На рис. 18 б показана диаграмма колебаний вершины седла качающегося стола в позиции шитья. Амплитуда колебаний на исправной машине может достигать 0,7 мм, при этом допуск на величину смещения стежка относительно линии фальца составляет ±0,5 мм.
Для исследования влияния износа пары кулак-ролик на виброактивность механизма было изготовлено 8 пар роликов с диаметрами начиная от номи нального 50,0 мм и далее по убывающей до 49,36 мм (табл. 5). Реальная вели чина зазора с номинальным роликом диаметром 50,00 мм составляет 0,03 — 0,04 мм.
Таблица Характеристики экспериментальных роликов Номер пары роликов 1 2 3 4 5 6 7 Наружный диаметр 50,00 49,92 49,86 49,67 49,55 49,50 49,45 49, роликов, мм Величина зазора, мм 0,03 0,11 0,17 0,36 0,48 0,53 0,58 0, Ролики попарно устанавливались на макет, и затем на скорости 82 цик ла/мин с датчика, расположенного на толкателе качающегося стола, снимался сигнал виброускорения, оцифровывался с помощью АЦП и записывался на же сткий диск персонального компьютера.
Рис. 19. Записи виброускорения за один цикл для восьми пар роликов Для каждой из восьми пар роликов была сделана сорок одна запись виб роускорения, включающая два оборота кулачка. Оцифровка производилась на внешнем АЦП LA-20 USB с частотой дискретизации 41000 Гц, сигнал на выхо де АЦП оценивался в мВ. Затем из каждой реализации был выделен один цикл работы кулачка. На рис. 19 представлены записи виброускорения за один цикл для восьми пар роликов. Очевидно, что с увеличением зазора в паре кулачок ролик амплитуда виброускорения постепенно возрастает.
На рис. 20 — 22 представлены спектры виброускорения одного цикла ра боты КМ с роликами диаметром от 50,00 мм до 49,36 мм. Поскольку амплиту ды спектральных составляющих изменяются от 12 мВ на низких частотах до 0,005 мВ в области высоких частот, представить весь спектр в диапазоне 0— 20000 Гц на одном графике не представляется возможным. По этой причине представленные на рисунках спектры построены в диапазонах 0—100 Гц, 100— 1000 Гц и 1000—20000 Гц. На всех графиках по оси Z отложены амплитуды спектральных составляющих в мВ.
Рис. 20. Спектр виброускорения кулачкового механизма в диапазоне 0 – 100 Гц Рис. 21. Спектр виброускорения кулачкового механизма в диапазоне 100 – 1000 Гц Рис. 22. Спектр виброускорения кулачкового механизма в диапазоне 1000 –20000 Гц Представленные спектры вибраций содержат ряд ярко выраженных частот, на которых хорошо заметна тенденция к увеличению амплитуды резонансных пиков по мере уменьшения диаметра ролика, т.е. данные частоты являются ин формационными.
Для всех потенциальных информационных частот были составлены рег рессионные модели и рассчитаны доверительные интервалы. В качестве приме ра на рис. 23 — 24 представлены графики регрессий для частот 3,75 и 6,26 Гц (линиями, состоящими из точек, на графиках показан доверительный интервал, хх — экспериментальные значения, сплошная линия — регрессия). На пред ставленных графиках по оси абсцисс отложена величина зазора в сотых долях мм, а по оси ординат — амплитуда спектральных составляющих в мВ.
Всего в спектре виброускорения КМ было выделено 14 информационных частот: 3,75;
6,26;
8,75;
12,5;
98,5;
249;
289;
2437;
4876;
7165;
9600;
12050;
14450;
16900 Гц. На всех частотах зависимость диагностического параметра (амплитуды спектральных составляющих) от структурного (зазора в паре кула чок-ролик) однозначна, т.е. при увеличении зазора, соответственно увеличива ется амплитуда. Кроме того, на всех выделенных информационных частотах эта зависимость близка к линейной.
7. 10. vy i vy i f( i) f( i) vy1 i vy1 i vy2 i vy2 i 3. 7.2 0 10 20 30 40 50 60 0 10 20 30 40 50 60 vxi, i, vx1i, vx2i 0 vxi, i, vx1i, vx2i 0 Рис. 23. График регрессии на частоте 3,75 Гц Рис. 24. График регрессии на частоте 6,26 Гц Так как в спектре вибрации КМ присутствуют гармонические составляю щие, определяемые циклограммой и законом периодического движения, их значения должны зависеть от скорости работы машины. В соответствии с цик лограммой были рассчитаны частоты следования импульсов от перекладки за зоров на разных скоростях работы машины и проведены соответствующие экс перименты. Получены частоты 3,75;
6,26;
8,75 и 12,5 Гц. Следовательно, при проведении диагностики в производственных условиях значения этих частот должны корректироваться, исходя из текущей скорости машины.
Далее были определены собственные частоты рычага и ролика. Для этого они возбуждались короткими ударными импульсами, полученные спектры виб роускорения представлены на рис. 25. Как видно из диаграмм частоты 98,5;
249;
289;
2437;
4876;
7165 Гц являются собственными частотами рычагов (рис.
25 а), а частоты 9600;
12050;
14450;
16900 Гц собственные частоты ролика (рис. 25 б). В спектрах, полученных на разных скоростях работы макета, эти частоты оставались неизменными.
а б Рис. 25. Спектр вибрации рычага (а) и ролика (б) В заключение была проведена оценка влияния зазора в паре кулачок-ролик механизма привода качающегося стола на качество шитья. Экспериментальные ролики попарно устанавливались в ниткошвейный автомат БНШ-6, и с каждой парой роликов было сшито по 20 тетрадей. Оценивалась величина смещения стежка относительно линии фальца.
На рис. 26 представлены фотографии корешковой части тетради (рис. 26 а), и ее разворот (рис. 26 б) на которых видны дефекты шитья. На рис. 26 д показан разрыв листов тетради, возникающий в результате смещения швейного инстру мента относительно оси корешка, при этом входное отверстие на корешке не сколько увеличено (рис. 26 е). Это говорит о том, что стол не занимал в пози ции шитья правильное положение. На рис. 26 г, в показаны входное и выходное отверстия, смещенные на 4 мм относительно оси корешка тетради.
Рис. 26. Типичные дефекты шитья Это также свидетельствует о том, что стол не занимал правильное положе ние в позиции шитья, кроме того, возможно, что в результате сильного удара в конце хода стола тетрадь оказалась перекошена. В результате эксперимента было выделено три категории качества шитья: хорошее (с использованием ро ликов диаметром 50,00 и 49,92 мм) — смещение проколов относительно линии корешка в пределах допуска, среднее (с использованием роликов диаметром 49,86;
49,67 и 49,55 мм) — смещение проколов относительно линии корешка может немного выходить за пределы допуска, и плохое (с использованием ро ликов диаметром 49,50;
49,45 и 49,36 мм). В последнем случае из-за сильного смещения швейных инструментов происходят их поломки, добиться приемле мого качества шитья без снижения скорости работы машины невозможно.
В разделах пять — семь пятой главы, изложена методика диагностирова ния износа пары кулачок-ролик механизма привода качающегося стола нит кошвейного автомата БНШ-6 с использованием ИНС.
При разработке методики диагностирования использовалось два набора диагностических признаков: полученные ранее амплитуды пиковых значений информационных частот спектра виброускорения КМ в диапазоне 0–20000 Гц, и номинальная переменная «Качество шитья». Из 41-го спектра виброускоре ния каждой пары роликов были выделены максимальные значения амплитуд спектральных составляющих и сформированы обучающая, тестовая и кон трольная выборки. Далее в программе Statistica Neural Networks формировались нейросети. В каждой серии экспериментов было сформировано по 5 сетей клас сификации, их основные характеристики представлены в табл. 6 и 9.
Таблица Основные характеристики первой группы сетей (анализ спектра вибрации) Тестовая Производи произво- Ошибка Тестовая Обуче- Вхо- Скры тельность Профиль сети обучения ошибка ние/Элементы ды тые дитель обучения ность ОР100, СГ20, МП 14:14-13-7:1 0,930556 0,845070 0,352732 0,377594 14 СГ0b Линейная 13:13-7:1 0,750000 0,718310 0,255639 0,267993 ПО 13 Линейная 12:12-7:1 0,750000 0,718310 0,256209 0,268591 ПО 12 РБФ 14:14-19-7:1 0,777778 0,774648 0,241123 0,237365 КС, КБ, ПО 14 РБФ 14:14-29-7:1 0,763889 0,802817 0,224865 0,225928 КС, КБ, ПО 14 Основной характеристикой, характеризующей структуру полученной сети, является ее профиль, определяемый типом, числом входных и выходных пере менных, числом слоев и элементов (сетей) или компонент (ансамблей). В на шем случае использовались сети следующих типов:
МП Многослойный персептрон Линейная Линейная сеть РБФ Радиальная базисная функция Эффективность работы сети определяется ее производительностью на обу чающей, контрольной и тестовой выборках соответственно.
Наибольшую эффективность в первой группе показала сеть на основе мно гослойного персептрона MP 14:14-13-7:1 (средний результат распознавания по всем роликам — 85,304%). На рис. 27 представлена структура лучшей сети, а в табл. 7 — результаты распознавания всеми сетями.
Номинальный ролик распознан всеми сетями со 100 процентным результа том, наихудший результат получен на ролике диаметром 49,55 мм, однако ре зультат многослойного персептрона на этом ролике в полтора раза лучше ос тальных сетей (75,6% против 43,9 — 46,3%). На втором месте стоит сеть РБФ 14:14-29-7:1 со средним результатом распознавания по всем роликам — 76,889%.
Рис. 27. Многослойный персептрон MP 14:14-13-7: Таблица Результаты распознавания по спектру виброускорения (14 параметров) Диаметр ролика, мм 50,00 49,92 49,86 49,67 49,55 49,50 49, Зазор в паре кула 0,03 0,11 0,17 0,36 0,48 0,53 0, чок-ролик, мм % правильно распознанных роликов МП 14:14-13-7:1 100,000 82,500 80,487 90,243 75,609 82,926 85, Линейная 13:13-7:1 100,000 45,000 73,170 73,170 43,902 87,804 80, Линейная 12:12-7:1 100,000 45,000 73,170 70,731 43,902 87,804 80, РБФ 14:14-19-7:1 100,000 60,000 53,658 95,121 43,902 65,853 97, РБФ 14:14-29-7:1 100,000 67,500 60,975 82,926 46,341 85,365 95, Программный комплекс Statistica Neural Networks позволяет проранжиро вать входные переменные, выделить наиболее значимые и исключить те, кото рые не дают полезной информации при распознавании.
Ранжирование производится на основе анализа чувствительности исполь зуемых переменных. Чувствительность характеризует отношение ошибки с за меной каждой переменной процедурой пропущенных данных к исходной ошибке. Если отношение меньше либо равно 1, отключение переменной не влияет на качество работы сети. Когда чувствительности подсчитаны для всех переменных, они ранжируются, располагаясь в ряд по мере убывания значимо сти. В табл. 8 представлены результаты ранжирования всех входных перемен ных сети МП 14:14-13-7:1.
Таблица Анализ чувствительности переменных сети МП 14:14-13-7: Частота 3,75 6,26 8,75 12,51 98,85 249 289 2437 4876 7165 9600 12050 14450 Ранг 7 3 5 1 6 8 12 10 4 11 9 2 13 1, 2, 1, 1, 1, Отно 1, 1, 0, 1, 1, 0, 1, 0, 0, шение Из таблицы видно, что максимальной чувствительностью обладает инфор мационная частота 12,5 Гц (ранг 1), на втором месте находится резонансная частота ролика — 12050 Гц, а частоты 289, 7165, 14450 и 16900 Гц могут быть исключены как неинформативные (отношение для них меньше единицы).
На втором этапе исследований, помимо непрерывных переменных (ампли туд спектральных составляющих спектра вибрации) для распознавания исполь зовалась одна номинальная (лингвистическая) — «Качество шитья».
Для нового набора входных данных вновь была сформирована группа из пяти сетей, а затем и ансамбль. Основные характеристики новой группы сетей приведены в табл. 9, табл. 5, а результаты распознавания в табл. 10.
Таблица Основные характеристики группы сетей (спектр вибрации + качество шитья) Произ Тестовая водитель произво- Ошибка Тестовая Обуче- Вхо- Скры Профиль сети ность дитель- обучения ошибка ние/Элементы ды тые обучения ность ОР100,СГ20,С МП 15:17-13-7:1 0,993056 0,971831 0,187011 0,165471 15 Г0b РБФ 15:17-19-7:1 0,895833 0,788732 0,160177 0,192470 КС,КБ,ПО 15 Линейная 15:17-7:1 0,930556 0,929577 0,190320 0,191049 ПО 15 Линейная 13:15-7:1 0,930556 0,929577 0,194523 0,189162 ПО 13 РБФ 15:17-29-7:1 0,923611 0,845070 0,142588 0,188565 КС,КБ,ПО 15 Ансамбль 15:[ 0,934722 0,892958 0,174924 0,185343 1-5 5]: Выход 15:[5]: Наилучшими показателями опять обладает сеть на основе многослойного персептрона (средний результат распознавания 97,212%), а добавление пере менной «Качество шитья» позволило получить 100 процентный результат рас познавания на четырех роликах (табл. 10.). На рис 28 представлена архитектура сети. Для категориальной переменной используются три отдельные входа.
Формирование ансамбля из пяти сетей не улучшило качество распознава ния. Очевидно, что ансамбли следует формировать только из тех сетей, которые показывают наилучший результат. Анализ чувствительности переменных для сети МП 15:17-13-7:1 представлен в табл. 11.
Таблица Результаты распознавания (спектр виброускорения + «Качество шитья») Диаметр ролика, мм 50,00 49,92 49,86 49,67 49,55 49,50 49, Зазор в паре кул 0,03 0,11 0,17 0,36 0,48 0,53 0, чок-ролик, мм % правильно распознанных роликов 100,0000 100,0000 95,12195 87,80488 100,0000 97,56098 100, МП 15:17-13-7: 97,56098 100,0000 75,60976 46,34146 87,80488 87,80488 90, РБФ 15:17-19-7: 100,0000 100,0000 97,56098 58,53659 92,68293 100,0000 95, Линейная 15:17-7: 100,0000 100,0000 100,0000 56,09756 92,68293 100,0000 95, Линейная 13:15-7: 95,12195 97,50000 82,92683 68,29268 80,48780 90,24390 100, РБФ 15:17-29-7: Ансамбль из пяти 100,0000 100,0000 100,0000 65,85366 95,12195 97,56098 97, сетей Рис. 28. Архитектура сети МП 15:17-13-7: Признаки, обладающие рангом с 11 по 15, имеют отношение от 1,07707 до 1,01056, что в принципе говорит об их весьма незначительном вкладе в процесс распознавания. Это частоты 98, 249, 2437, 7165 и 16900 Гц.
Таблица Анализ чувствительности переменных сети МП 15:17-13-7: Качест Час 3,75 6,26 8,75 12,51 98,85 249 289 2437 4876 7165 9600 12050 14450 16900 во ши тота тья Ранг 4 9 7 3 12 14 10 15 6 13 8 2 5 11 От 2, 1, 1, 3, 6, 8, 1, 1, 1, 1, 1, 1, 1, 1, 1, ноше ние Исключим эти признаки из рассмотрения и сформируем соответствующую группу сетей, использующую непрерывные переменные: 3,75;
6,26;
8,75;
12,51;
289;
4876;
9600;
12050;
14450 Гц и категориальную «Качество шитья». Резуль таты распознавания представлены в табл. 12.
Таблица Результаты распознавания оптимизированной группы сетей (анализ спектра виброускорения + «Качество шитья») Диаметр ролика 50,00 49,92 49,86 49,67 49,55 49,50 49, Зазор в паре кул 0,03 0,11 0,17 0,36 0,48 0,53 0, чок-ролик, мм 100,0000 100,0000 60,97561 90,24390 95,12195 100,0000 70, Линейная 9:11-7: 100,0000 100,0000 58,53659 90,24390 97,56098 100,0000 70, Линейная 8:10-7: 100,0000 100,0000 100,0000 90,24390 100,0000 100,0000 100, МП 10:12-12-7: 100,0000 100,0000 68,29268 87,80488 97,56098 97,56098 26, РБФ 9:11-19-7: 100,0000 100,0000 95,12195 95,12195 100,0000 100,0000 85, РБФ 9:11-29-7: Наилучшие результаты показала сеть МП 10:12-12-7:1 (средний процент распознавания 98,606%). Из таблицы видно, что исключение параметров, не дающих полезной информации, позволяет существенно улучшить результаты распознавания практически на всех сетях.
В табл. 13 представлены результаты анализа чувствительности сети МП 10:12-12-7:1.
Таблица Анализ чувствительности переменных сети МП 10:12-12-7: Качество Частота 3,75 6,26 8,75 12,51 289 4876 9600 12050 шитья Ранг 3 7 5 1 9 6 8 4 10 5, 3, 10, 1, 1, 4, 10, Отно 2, 2, 1, шение Наибольшей чувствительностью для 3-й сети обладает частота 12,51 Гц (отношение 10,72104), на втором месте — переменная «Качество шитья», на третьем — частота 3,75 Гц.
Аналогичный комплекс исследований был проведен с использованием в качестве диагностического признака спектра огибающей виброускорения. Од нако серьезных преимуществ это не дало.
На основании полученных результатов можно сделать следующие выводы:
1. Наибольшей эффективностью обладают ИНС, созданные на основе многослойного персептрона.
2. Использование категориальной переменной, такой как «качество шитья» позволяет значительно повысить точность распознавания.
3. Оптимизация структуры сети за счет исключения переменных, имеющих низкий ранг, повышает точность распознавания.
В восьмом разделе пятой главы, представлены алгоритм и структура сис темы технической диагностики МС ППМ на основе ИНС.
На основании проделанной работы можно предложить следующий алго ритм построения диагностических систем с использованием ИНС:
1. Разбиение множества состояний объекта на классы (составление алфави та классов).
2. Выбор пространства признаков и описание на языке признаков классов состояний объекта либо путем непосредственной обработки исходной ап риорной информации, либо на основе методов обучения или самообуче ния, разработка технических средств определения признаков.
3. Разработка методов и алгоритмов обработки информации, построение ИНС.
4. Оценка эффективности системы распознавания в различных режимах ее функционирования.
На рис. 29 представлена структура системы технической диагностики (СТД), предназначенной для определения ТС элементов МС ППМ с использо ванием ИНС. Связь измерительной части СТД с объектом исследования осуще ствляется посредством совокупности датчиков виброускорения 1. Количество датчиков и их расположение на объекте определяется количеством диагности руемых элементов и условиями, обеспечивающими оптимальное пространст венное разделение виброакустических сигналов.
Для согласования датчиков с измерительным трактом используются пред варительные усилители 2. С выходов усилителей сигналы поступают на входы коммутатора 3, осуществляющего коммутацию сигналов от различных кинема тических пар. Коммутатор подключает один из входных сигналов на вход из мерительного усилителя 4 в соответствии с кодом адреса, поступающего по общей шине с выхода блока управления 17.
Измерительный усилитель, коэффициент усиления которого изменяется по программе блока управления, унифицирует сигнал по уровню.
Далее сигнал поступает на вход многоканального АЦП. Оцифрованный вибрационный сигнал поступает на вход ЭВМ, которая управляет работой всех остальных компонентов в реальном времени и на которой осуществляется ана лиз и визуализация результатов анализа. В программном модуле 8 осуществля ется быстрое преобразование Фурье — выделяются спектральные составляю щие сигнала виброускорения. В модуле 10 производится расчет значений ин формационных частот, зависящих от скорости вращения вала, затем в модуле с учетом априорной информации об информационных частотах формируется спектр исследуемого сигнала виброускорения. Полученный спектр подается на вход модуля формирования вектора диагностических признаков 13.
Параллельно с этим в модуле 11 формируется огибающая акустического сигнала, затем осуществляется быстрое преобразование Фурье, расчет частот, зависящих от скорости вращения вала, и в модуле 12 формируется спектр оги бающей исследуемого сигнала виброускорения. Полученный спектр также по дается на вход модуля формирования вектора диагностических признаков 13.
Рис. 29. Блок-схема системы виброакустической диагностики При диагностике цикловых механизмов для обеспечения независимости измерения фазовых параметров сигнала от скоростного режима работы машины запись сигнала виброускорения осуществляют относительно начала цикла ра боты исследуемого механизма. Для этого используется датчик частоты враще ния 6, и датчик начала цикла 7. Унификация сигналов данных датчиков осуще ствляется предварительными усилителями 4, которые преобразуют сигналы датчиков в прямоугольные импульсы заданной амплитуды и длительности.
Преобразование фазы в цифровой код осуществляется с помощью АЦП.
Результаты оцифровки передаются в модуль 13.
Для повышения отношения сигнал/шум может использоваться алгоритм синхронного накопления данных. В этом случае в модуле 13 осуществляется последовательное суммирование значений амплитуд спектральных составляю щих на информационных частотах, запоминание результатов и т.д. По оконча нии ввода и обработки заданного числа реализаций производится расчет сред них значений амплитуд спектральных составляющих на информационных час тотах. Затем полученные результаты поступают в модуль коммутации 14.
Если в машине имеется встроенная система функциональной диагностики 19, то отдельные качественные показатели работы оборудования, контролируе мые этой системой, могут быть использованы при формировании вектора диаг ностических признаков. В этом случае данные системы функциональной диаг ностики также передаются по локальной сети 18 на модуль формирования век тора диагностических признаков 13.
Модуль коммутации 14 в соответствии с выбранным для диагностики эле ментом передает сформированный вектор диагностических признаков в модуль ИНС 15. Там подключается ИНС, соответствующая диагностируемому элемен ту, и осуществляется классификация его состояния, результат передается в мо дуль диагноза и прогноза развития дефекта 16.
Результаты диагноза и прогноза фиксируются в запоминающем устройстве 21 и передаются в блок отображения информации 20 (для этого может быть ис пользована встроенная система функциональной диагностики 19).
В данных исследованиях использовался измерительный тракт, включаю щий модули 1, 2, 5, унификация и формирование спектра осуществлялись про граммно, с помощью Statistica, вектор диагностических признаков, включаю щий пиковые значения амплитуд спектральных составляющих на информаци онных частотах и соответствующие значения номинальной переменной «каче ство шитья» формировался вручную. Полученные данные передавались в мо дуль ИНС Statistica. Анализ полученных результатов осуществлялся вручную.
При проведении исследований были использованы огибающие спектра виброу скорения, однако как показали эксперименты, использование огибающих не да ет существенных преимуществ при диагностике КМ.
Представленная блок-схема может быть использована при построении сис темы диагностики для определения технического состояния таких элементов МС ППМ, как кулачковые механизмы, подшипники качения, зубчатые передач и т.п.
Впервые разработанная в работе методика диагностики элементов МС ППМ с использованием ИНС показала свою высокую эффективность. Несмотря на то, что этот метод требует большого объема предварительных исследований, обучения сети, определенной технологии подготовки данных, обучив нейрон ную сеть, ее можно в дальнейшем многократно использовать для выполнения диагноза на основе новых данных.
Несомненным достоинством предлагаемого метода является возможность использования при построении вектора диагностических признаков любых па раметров, отражающих состояние диагностируемой системы. Это позволяет применять в целях ТД качественные показатели работы ПО.
Современные высокоскоростные полиграфические машины оснащаются встроенными системами управления и контроля, позволяющими контролиро вать технологические отказы, отказы электронного оборудования и отказы ме ханических систем. Использование нейросетевых технологий дает возможность дополнить эти системы модулями контроля физического износа оборудования, что несомненно приведет к повышению надежности ПО и снижению затрат на обслуживание.
Основные научные результаты работы В результате выполнения работы решена комплексная проблема диагно стики механических систем привода полиграфических машин, что является важным фактором повышения надежности полиграфического оборудования.
В ходе выполнения диссертационной работы впервые получены следую щие научно-практические результаты:
1. Проведен системный анализ отечественных и зарубежных исследований в области технической диагностики, на основе которого создана и впер вые представлена классификация существующих методов и средств тех нической диагностики применительно к МС ППМ, позволяющая нагляд но и обозримо провести систематизацию методов и средств, а также пу тей повышения их качества на основе практики известных исследований и проведенных автором экспериментов.
2. На основе представленной классификации сформулированы основные требования к системам и средствам ТД МС ППМ, а также к информаци онному, математическому и техническому обеспечению.
3. Проведенный анализ методов выделения информативных компонент в акустических сигналах и последующие эксперименты показали, что для формирования диагностических признаков элементов МС ППМ наиболее оптимальными являются узкополосный спектральный анализ виброуско рения и метод исследования огибающей акустического сигнала.
4. Выделена и обоснована номенклатура диагностических признаков таких элементов МС ППМ, как подшипники качения и кулачковые механизмы.
5. Найдены новые признаки и признаковые пространства, определены их статистические и динамические свойства, методы их преобразования, обеспечивающие создание и совершенствование систем многокритери альной оценки ТС МС ППМ.
6. Рассмотрены, проанализированы и обобщены аналитические зависимо сти, связывающие параметры спектров вибрации и другие характеристи ки элементов МС ППМ с конструктивными параметрами, погрешностями размеров и износом деталей.
7. Впервые разработаны методы выявления информационных частот в спек тре вибрации МС ППМ и оценки их информативности с использованием искусственных нейросетей.
8. Разработанные на основе ИНС методы виброакустической диагностики МС ППМ впервые позволяют использовать диагностические признаки различной физической природы (помимо вибрационных характеристик можно использовать, например, показатели качества работы оборудова ния), что, в свою очередь, дает возможность дополнить имеющиеся сис темы функциональной диагностики современного ПО системами контро ля технического состояния.
9. Впервые на основе ИНС разработаны вероятностно-статистические диаг ностические модели кулачковых механизмов и методы подготовки дан ных для определения их технического состояния.
10. Впервые проведены эксперименты, показавшие высокую эффективность методики диагностирования, основанной на использовании ИНС.
11. Показано, что в качестве информационных частот для подшипников ка чения можно использовать частоты, соответствующие угловым скоро стям вращения элементов подшипника, для цикловых механизмов — час тоты, соответствующие циклограмме и собственные частоты элементов механизма.
12. Разработанные методы виброакустической диагностики позволяют ис пользовать их в условиях эксплуатации на полиграфических предприяти ях.
13. Сформулированные в работе принципы обработки виброакустической информации и построения алгоритмов диагностирования могут быть ис пользованы на этапе проектирования при создании нового ПО.