Di pêşketineke girîng de ji bo warê teşhîsa mekanîkî, lêkolîneke nû bandora hevberkirina bispektruma sînyala modulasyonê (MSB) bi torên neuralî yên konvolusyonî (CNN) re ji bo teşhîsa xeletiyan nîşan daye.gerîdeyên konîk ên spiralEv nêzîkatiya nûjen soza rastbûna zêdekirî, tespîtkirina zûtir, û pergalek teşhîsê ya aqilmendtir ji bo gearboxên performansa bilind ên ku di nav de têne bikar anîn dide.sepanên hewavaniyê, otomatîv û pîşesaziyê.

Lihevgeryagerîdeyên konîkpêkhateyên veguhestinê yên krîtîk in ku di makîneyên torka bilind, helîkopter, pergalên pêşvebirina deryayî û kêmkerên pîşesaziyê yên giran de têne dîtin. Ji ber geometrî û şert û mercên xebitandinê yên tevlihev, tespîtkirina zû ya xeletiyên gerîdeyê yên wekî qulbûn, xişandin û şikestina diranan hîn jî dijwariyek teknîkî ye. Teknîkên hilberandina sînyalê yên kevneşopî pir caran bi destwerdana deng û taybetmendiyên xeletiyên ne-xêzik re têdikoşin.

Rêbaza nû çarçoveyek teşhîsa xeletiyên du qonaxî pêşkêş dike. Pêşî, sînyalên lerizînê yên ku ji hêla pergala alavên xebitandinê ve têne çêkirin, bi karanîna teknîkek analîza spektral a asta bilindtir a bispektruma sînyala modulasyonê (MSB) têne analîz kirin ku taybetmendiyên ne-xêzik û ne-Gausî yên sînyalê bi bandor digire. MSB dibe alîkar ku taybetmendiyên xeletiyên modulkirî yên nazik ên ku bi gelemperî di spektrumên frekansê yên standard de veşartî ne eşkere bibin.

Piştre, daneyên sînyalê yên pêvajokirî vediguherin wêneyên frekansa demê û dixin nav toreke neuralî ya konvolusyonî (CNN) ku modelek fêrbûna kûr e ku dikare taybetmendiyên xeletiyên asta bilind bixweber derxîne û şert û mercên gerîdeyê dabeş bike. Ev modela CNN tê perwerdekirin da ku di navbera gerîdeyên saxlem, xeletiyên piçûk û zirara giran de li ser şert û mercên bar û leza cûda cûda bike.

Encamên ceribandinê, ku li ser platformek ceribandinê ya gerîdeyên konîk ên spiral ên bi sêwirana taybetî hatine kirin, nîşan didin ku rêbaza MSB CNN rastbûna dabeşkirinê ji %97 zêdetir bi dest dixe, ji rêbazên kevneşopî yên wekî analîza li ser bingeha FFT û tewra teknîkên din ên fêrbûna kûr ên ku xwe dispêrin daneyên lerzîna xav çêtir e. Wekî din, ev modela hîbrîd li hember dengê paşxaneyê berxwedanek xurt nîşan dide, ku wê ji bo sepanên pîşesaziyê yên cîhana rastîn guncan dike.

Entegrasyona sînyala modulasyonê ya bispektrumê bi CNN re ne tenê performansa naskirina xeletiyan zêde dike, lê di heman demê de girêdayîbûna bi endezyariya taybetmendiyên destî jî kêm dike, ku bi kevneşopî pêvajoyek demdirêj û pisporiyê ye. Rêbaz pîvanbar e û dikare li ser pêkhateyên din ên makîneyên zivirî, wekî bering û ... were sepandin.gerên gerstêrkî.

Ev lêkolîn gaveke pêşdetir di pêşxistina pergalên teşhîsa xeletiyên jîr de ji bo Pîşesaziya 4.0 û qada berfirehtir a hilberîna jîr temsîl dike. Ji ber ku otomasyon û pêbaweriya makîneyan her ku diçe girîngtir dibin,