基于使用神经网络进行声学参数分析的轻合金轮的技术状况评估
1Department of Vehicles and Machinery, Faculty of Technical Sciences, University of Warmia and Mazury, Oczapowskiego 11, 10-719 Olsztyn, Poland.
Sensors (Basel, Switzerland)
|July 30, 2025
概括
本研究引入了一种使用深度神经网络的声学分析方法,以评估轻合金轮状况. 该技术准确地将车轮圈分类为可使用或不可使用的,有助于诊断决策.
科学领域:
- 材料科学 材料科学 材料科学
- 声学工程 声学工程
- 人工智能的人工智能
背景情况:
- 轻合金轮圈易受疲劳缺陷和机械损坏的影响.
- 目前的评估方法可能无法完全捕捉轮的复杂故障模式.
研究的目的:
- 开发和验证一种基于声学的方法,用于评估轻合金轮圈的技术状况.
- 利用深度神经网络,根据声学参数对轮的可用性进行分类.
主要方法:
- 使用声学诊断特征 (ADF) 系统收集声学数据 (反响时间,声音吸收系数,声能).
- 在车轮阻力测试装置 (WRTR) 上进行了实验室疲劳测试,并从现实条件中分析了使用过的轮圈.
- 在WRTR数据上训练了一个深度神经网络,以将现场样本分类为可用或不可用.
主要成果:
- 拟议的声学分析和深度神经网络分类方法显示出高效.
- 该方法在识别边界病例方面表现出强大,包括机械损坏的车轮.
- 现场样本被成功分为"可供使用"和"不可使用"类别.
结论:
- 开发的声学诊断方法为评估轮状况提供了可靠的工具.
- 该方法支持在车间环境中的诊断决策.
- 这项研究为未来基于传感器的实时轮状况监测系统奠定了基础.
