Phát hiện sớm lỗi vòng bi dựa trên việc trích xuất đặc trưng đa miền sử dụng bộ phân loại MLP trên bộ dữ liệu NASA IMS

Tóm tắt

Sự hao mòn và suy giảm hiệu suất của vòng bi trong máy móc công nghiệp dẫn đến chi phí bảo trì tăng cao và thời gian ngừng hoạt động không mong muốn. Nghiên cứu này đề xuất một phương pháp mới kết hợp trích xuất đặc trưng thống kê đa miền (thời gian và tần số) với thuật toán phân cụm K-means thích ứng để nâng cao độ chính xác phát hiện lỗi. Mô hình Multi-Layer Perceptron (MLP) được huấn luyện trên tập dữ liệu NASA IMS Bearing, đạt độ chính xác 86.5% trong việc phân loại 5 giai đoạn suy thoái của vòng bi. Kết quả thực nghiệm cho thấy phương pháp đề xuất vượt trội so với SVM và Random Forest trong điều kiện dữ liệu hạn chế, đồng thời có thể triển khai trên thiết bị kiểm tra di động, nhỏ gọn với tài nguyên hạn chế. Nghiên cứu này cung cấp giải pháp hiệu quả cho bảo trì dự đoán, giúp giảm thiểu chi phí vận hành trong công nghiệp.