Zastosowanie sieci neuronowych do klasyfikacji uszkodzeń maszyn wirujących

Maszyny wirujące są najczęściej modelowane z dobrą dokładnością metodami liniowymi. Niektóre uszkodzenia tych maszyn mają jednak naturę nieliniową. Typowymi przykładami takich uszkodzeń są luzy posadowienia lub przytarcia wirnika. Zjawiska te powinny być wykrywane przy uwzględnieniu istnienia nieliniowości. Dobrą metodą modelowania takich nieliniowości jest NARX - metoda identyfikacji systemów nieliniowych. Osobnym problemem jest przejście od problemu modelowania zjawisk nieliniowych do wykorzystania takiego modelu do diagnostyki. Niniejszy artykuł prezentuje kilka możliwych podejść, a następnie proponuje metodę klasyfikacji opartą na sieciach NARX. Zaletą metody jest możliwość jej zastosowania do wykrywania nowych uszkodzeń, które nie były znane na etapie trenowania sieci. W końcowej części opisano zastosowanie metody do klasyfikacji nieliniowych uszkodzeń mierzonych na stanowisku badawczym.

Rotating machinery are most often modeled with good accuracy using linear methods. Some malfunctions, however, are of non-linear nature. Typical examples of those malfunctions are loose bearings and rotor rub. These phenomena can be detected taking nonlinearities into account. Good method to detect it is NARX - identification of nonlinear systems. Separate problem is the transition from modeling of nonlinear phenomena to using such models in diagnostics. The following paper presents few approaches and then proposes the method of classification based on NARX networks. The advantage of the method is the possibility to detect new failures, which were not known at the time of training the network. The last part of the paper describes application of the proposed method to the data acquired on the test rig.