تسعى الصناعات الحديثة إلى تقنيات متطورة تضمن سلامة المعدات وكفاءتها. في هذا السياق، تم تطوير إطار عمل لتعزيز الكشف عن الاهتزازات باستخدام تحويل الموجات المستمرة (CWT) إلى جانب تقنيات التعلم العميق المتقدمة مثل YOLO.

تعتمد هذه التقنية على تحويل إشارة الاهتزاز إلى طيف (Spectrogram) باستخدام CWT، مما يساعد في تحسين مراقبة التوقيع الضعيف وغير الثابت للأعطال. تم الاعتماد في هذا البحث على إصدارات متعددة من نموذج YOLO (YOLOv9، YOLOv10، وYOLOv11) لاكتشاف وتحديد مناطق الطاقة المرتبطة بالأعطال في المجال الزمني الترددي.

أظهرت التجارب التي أجريت على مجموعات بيانات CWRU، PU، وIMS أن هذا الإطار الجديد قد حسّن بشكل كبير من قدرة الكشف وثبات الأنماط المرتبطة بالأعطال مقارنة بالنماذج التقليدية. وحققت دقة متوسطة تبلغ 99.4%، 97.8%، و99.5% على التوالي، مما يؤكد إمكانيات هذه التقنية في بيئات صناعية صاخبة.

علاوة على ذلك، يوفر إطار عمل الكشف عن المناطق المكانية علاقة أكثر وضوحًا بين توزيع الطاقة في الزمن والتردد وترددات الأعطال الخاصة بالمحامل، مما يسهل الفهم والتحليل. هذه النتائج تبرهن على فعالية ومرونة هذا النهج في تعزيز مراقبة الاهتزازات في الصناعات.

ما رأيكم في هذا التطور الثوري في مجال الكشف عن الأعطال؟ شاركونا في التعليقات!