Меню
Том_ 3 № 28 (2025) / 2025-09-30 / Кол. просмотров: 178
Авторы
Ключевые слова
DOI ссылка:
Как цитировать
Современные методы предиктивного обслуживания (Predictive Maintenance, PdM) позволяют повысить надежность оборудования и снизить затраты на ремонт за счет раннего выявления неисправностей. В данной работе рассматривается комплексный подход к предиктивному обслуживанию шпиндельных подшипников токарного станка CKE 6136/6150, основанный на вибрационной диагностике, спектральном анализе и методах машинного обучения. Проведен комплексный анализ временных рядов вибрации, температуры и нагрузок, включая статистический и спектральный анализ. Результаты показали, что вибрация передней опоры (радиальная) является ключевым индикатором износа.
В ходе исследования протестированы модели машинного обучения, включая линейную регрессию и градиентный бустинг (XGBoost). Наилучшие результаты продемонстрировала модель XGBoost с точностью R² = 0.999. Проведен SHAP-анализ значимости признаков, подтвердивший вклад вибрации и температуры в прогнозирование уровня износа. Спектральный анализ позволил выявить характерные частоты повреждений подшипников (BPFO, BPFI, BSF, FTF), однако продемонстрировал ограниченность методики при недостаточной частоте дискретизации данных. Это подтверждает необходимость корректного выбора частоты измерений, так как низкая частота дискретизации может привести к потере диагностически значимой информации.
Полученные результаты подтверждают эффективность предложенного подхода к диагностике износа шпиндельных подшипников. В заключении сформулированы перспективные направления исследований, включая увеличение частоты сбора данных, валидацию модели на реальных станках и разработку адаптивных алгоритмов предиктивного обслуживания.