| dc.contributor.author | Баханович, Александр Геннадьевич | |
| dc.contributor.author | Парфиевич, Андрей Николаевич | |
| dc.contributor.author | Сокол, Виктор Александрович | |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2024-08-02T11:31:17Z | |
| dc.date.available | 2024-08-02T11:31:17Z | |
| dc.date.issued | 2022 | |
| dc.identifier.citation | Баханович, А. Г. Нейросетевой метод в виброакустической диагностике локальных повреждений зубчатых колес в составе многовального привода / А. Г. Баханович, А. Н. Парфиевич, В. А. Сокол // Новости науки и технологий. – 2022. – № 2 (64). – С. 3–10. – Библиогр.: с. 10 (15 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/44312 | |
| dc.description | Bakhanovich A., Parfievich A., Sokol V. Neural network method of acoustic diagnostics of local damage to gears as part of a multi-shaft drive | ru_RU |
| dc.description.abstract | В статье рассмотрен нейросетевой подход акустической диагностики локального повреждения зуба зубчатого колеса многовального привода, основанный на синтезе амплитудно-частотного анализа акустического сигнала и искусственных нейронных сетей. Предложена искусственная нейросетевая модель, позволяющая выявлять поврежденные зубчатые колеса в составе многовальных приводов с разной кинематической структурой и оценивать степень развитости локальных дефектов. Эффективность предлагаемого подхода подтверждена экспериментально. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БелИСА | ru_RU |
| dc.subject | зубчатые передачи | ru_RU |
| dc.subject | gears | ru_RU |
| dc.title | Нейросетевой метод в виброакустической диагностике локальных повреждений зубчатых колес в составе многовального привода | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 620.179.18 | ru_RU |
| dc.abstract.alternative | The article considers a neural network approach to acoustic diagnostics of local damage to a gear tooth of a multi-shaft drive, based on the synthesis of an amplitude-frequency analysis of an acoustic signal and artifi cial neural networks. An artifi cial neural network model is proposed that makes it possible to identify damaged gears in multi-shaft drives with diff erent kinematic structures and to assess the degree of development of local defects. The eff ectiveness of the proposed approach has been experimentally confi rmed. | ru_RU |
