যান্ত্রিক রোগ নির্ণয়ের ক্ষেত্রে একটি উল্লেখযোগ্য অগ্রগতিতে, একটি নতুন গবেষণায় ত্রুটি নির্ণয়ের জন্য মড্যুলেশন সিগন্যাল বাইস্পেকট্রাম (MSB) এবং কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) এর সমন্বয়ের কার্যকারিতা প্রমাণিত হয়েছে।সর্পিল বেভেল গিয়ারসএই উদ্ভাবনী পদ্ধতিটি উচ্চ-কার্যক্ষমতা সম্পন্ন গিয়ারবক্সগুলির জন্য উন্নত নির্ভুলতা, দ্রুত সনাক্তকরণ এবং আরও বুদ্ধিমান ডায়াগনস্টিক সিস্টেমের প্রতিশ্রুতি দেয়মহাকাশ, মোটরগাড়ি এবং শিল্প অ্যাপ্লিকেশন।

সর্পিলবেভেল গিয়ারসউচ্চ টর্ক যন্ত্রপাতি, হেলিকপ্টার, সামুদ্রিক চালনা ব্যবস্থা এবং ভারী দায়িত্ব শিল্প হ্রাসকারীগুলিতে পাওয়া গুরুত্বপূর্ণ ট্রান্সমিশন উপাদান। জটিল জ্যামিতি এবং পরিচালনার অবস্থার কারণে, গিয়ার ত্রুটি যেমন পিটিং, ক্ষয় এবং দাঁত ভাঙার প্রাথমিক সনাক্তকরণ একটি প্রযুক্তিগত চ্যালেঞ্জ হিসাবে রয়ে গেছে। ঐতিহ্যবাহী সংকেত প্রক্রিয়াকরণ কৌশলগুলি প্রায়শই শব্দের হস্তক্ষেপ এবং অ-রৈখিক ত্রুটি বৈশিষ্ট্যগুলির সাথে লড়াই করে।

নতুন পদ্ধতিতে দুই স্তরের ফল্ট নির্ণয়ের কাঠামো চালু করা হয়েছে। প্রথমে অপারেটিং গিয়ার সিস্টেম দ্বারা উৎপন্ন কম্পন সংকেতগুলি মড্যুলেশন সিগন্যাল বাইস্পেকট্রাম (MSB) ব্যবহার করে বিশ্লেষণ করা হয়, যা একটি উচ্চতর ক্রম বর্ণালী বিশ্লেষণ কৌশল যা কার্যকরভাবে সিগন্যালের অ-রৈখিক এবং অ-গাউসিয়ান বৈশিষ্ট্যগুলি ক্যাপচার করে। MSB সূক্ষ্ম মড্যুলেটেড ফল্ট বৈশিষ্ট্যগুলি প্রকাশ করতে সহায়তা করে যা সাধারণত স্ট্যান্ডার্ড ফ্রিকোয়েন্সি বর্ণালীতে লুকানো থাকে।

এরপর, প্রক্রিয়াজাত সিগন্যাল ডেটা টাইম ফ্রিকোয়েন্সি ইমেজে রূপান্তরিত হয় এবং একটি কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) -এ ফিড করা হয়, যা একটি গভীর শিক্ষার মডেল যা স্বয়ংক্রিয়ভাবে উচ্চ স্তরের ফল্ট বৈশিষ্ট্যগুলি বের করতে এবং গিয়ারের অবস্থা শ্রেণীবদ্ধ করতে সক্ষম। এই CNN মডেলটি বিভিন্ন লোড এবং গতির অবস্থার মধ্যে সুস্থ গিয়ার, ছোটখাটো ফল্ট এবং গুরুতর ক্ষতির মধ্যে পার্থক্য করার জন্য প্রশিক্ষিত।

একটি কাস্টম ডিজাইন করা স্পাইরাল বেভেল গিয়ার টেস্ট রিগের উপর পরিচালিত পরীক্ষামূলক ফলাফলগুলি দেখায় যে MSB CNN পদ্ধতিটি 97% এরও বেশি শ্রেণীবিভাগ নির্ভুলতা অর্জন করে, FFT ভিত্তিক বিশ্লেষণের মতো ঐতিহ্যবাহী পদ্ধতি এবং এমনকি কাঁচা কম্পন ডেটার উপর নির্ভরশীল অন্যান্য গভীর শিক্ষণ কৌশলগুলিকেও ছাড়িয়ে যায়। অধিকন্তু, এই হাইব্রিড মডেলটি পটভূমির শব্দের প্রতি শক্তিশালী দৃঢ়তা প্রদর্শন করে, যা এটিকে বাস্তব বিশ্বের শিল্প অ্যাপ্লিকেশনের জন্য উপযুক্ত করে তোলে।

সিএনএন-এর সাথে মড্যুলেশন সিগন্যাল বাইস্পেকট্রামের একীকরণ কেবল ত্রুটি সনাক্তকরণ কর্মক্ষমতা বৃদ্ধি করে না বরং ম্যানুয়াল ফিচার ইঞ্জিনিয়ারিংয়ের উপর নির্ভরতাও হ্রাস করে, যা ঐতিহ্যগতভাবে সময়সাপেক্ষ এবং দক্ষতা নির্ভর প্রক্রিয়া। পদ্ধতিটি স্কেলেবল এবং অন্যান্য ঘূর্ণায়মান যন্ত্রপাতির উপাদানগুলিতে প্রয়োগ করা যেতে পারে, যেমন বিয়ারিং এবংগ্রহগত গিয়ার.

এই গবেষণাটি ইন্ডাস্ট্রি ৪.০ এবং স্মার্ট ম্যানুফ্যাকচারিংয়ের বৃহত্তর ক্ষেত্রের জন্য বুদ্ধিমান ফল্ট ডায়াগনসিস সিস্টেমের উন্নয়নে এক ধাপ এগিয়ে যাওয়ার প্রতিনিধিত্ব করে। অটোমেশন এবং মেশিনের নির্ভরযোগ্যতা ক্রমশ গুরুত্বপূর্ণ হয়ে উঠার সাথে সাথে,