Системи автоматичного керування на базі звукової дефектоскопії
| dc.contributor.advisor | Жученко, Олексій Анатолійович | |
| dc.contributor.author | Савула, Андрій Антонович | |
| dc.date.accessioned | 2026-08-17T08:35:36Z | |
| dc.date.available | 2026-08-17T08:35:36Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | Савула А. А. Системи автоматичного керування на базі звукової дефектоскопії. — Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 151 — Автоматизація та комп'ютерно-інтегровані технології. — Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі створення замкненої системи автоматичного керування промисловим обладнанням на базі звукової дефектоскопії, що забезпечує адаптивну оптимізацію режимів експлуатації в реальному часі на основі безперервного акустичного моніторингу технічного стану. Актуальність теми. Розвиток сучасного промислового виробництва безпосередньо залежить від надійності та ефективності експлуатації технологічного обладнання. Незаплановані зупинки виробництва через відмови електродвигунів, насосних агрегатів, компресорів, редукторів та іншого обладнання призводять до значних економічних втрат, які в окремих галузях можуть досягати мільйонів гривень за годину простою. Традиційні підходи до технічного обслуговування, що базуються на планово-попереджувальних ремонтах з фіксованою періодичністю або на фактичному обслуговуванні після виникнення відмови, є неоптимальними з економічної точки зору та не забезпечують максимальної ефективності використання ресурсу обладнання. Звукова дефектоскопія має унікальні переваги перед альтернативними методами діагностики, зокрема безконтактність реєстрації сигналів, низьку вартість мікрофонного обладнання, можливість одночасного моніторингу множинних об'єктів та виявлення широкого спектру механічних дефектів включаючи проблеми підшипників, дисбаланс обертових елементів, дефекти зубчастих передач та порушення умов змащування. Однак потенціал звукової дефектоскопії залишається нереалізованим через фундаментальне обмеження існуючих систем — їх пасивний характер, колисистема лише інформує оператора про виявлені аномалії без автоматичного впливу на режим роботи обладнання. Традиційні підходи передбачають роздільне функціонування діагностичних систем та систем керування, що унеможливлює оперативну реакцію на зміну технічного стану та призводить до експлуатації обладнання в неоптимальних режимах. Рішення про зміну режиму роботи приймається оператором на основі рекомендацій системи, що створює затримку між зміною режиму і реакцію оператора, що не дозволяє реалізувати оптимальне балансування між продуктивністю та збереженням ресурсу в реальному часі. Відтак інтеграція акустичної діагностики безпосередньо в контур автоматичного керування в якості системи визначення стану обладнання є актуальною науковотехнічною задачею, вирішення якої дозволить створити інтелектуальні системи, здатні автоматично адаптувати режими експлуатації відповідно до поточного технічного стану обладнання. Мета і завдання дослідження. Метою дослідження є підвищення відмовостійкості електромеханічних систем шляхом створення замкненої системи автоматичного керування, яка використовує результати акустичної діагностики для адаптивної оптимізації керування, в умовах зміни експлуатаційного стану. Для досягнення поставленої мети в роботі вирішувались такі завдання: проведення аналізу методів звукової дефектоскопії промислового обладнання та дослідження фізичних механізмів генерації акустичних сигналів різними типами дефектів; розробка та дослідження методів обробки акустичних сигналів для виділення діагностично важливої інформації з зашумлених записів в умовах промислового середовища; розробка методів класифікації технічного стану обладнання на основі акустичних сигналів з використанням алгоритмів машинного навчання; синтез системи автоматичного керування промисловим обладнанням, яка інтегрує результати акустичної діагностики для адаптивної оптимізації режимів експлуатації; розробка алгоритмів екстремального керування для пошуку та підтримки оптимальних режимів роботи обладнання в умовах апріорної невизначеності. Об'єктом дослідження є процес автоматичного керування промисловими об’єктами з використанням звукової діагностики як керуючим сигналом в процесі неперервної експлуатації. Предметом дослідження є адаптивні системи автоматичного керування, що використовують теорію обробки сигналів та підходи машинного навчання для адаптації режиму роботи на базі звукової дефектоскопії. Методи дослідження. У роботі використано методи цифрової обробки сигналів для фільтрації акустичних сигналів, виокремлення особливостей сигналу, аналізу їх спектральних характеристик. Ці методи включають в себе частотні перетворення, такі як, дискретне перетворення Фур'є та віконне перетворення Фур'є, отримання різного роду часових ознак та енергетичних. Застосовано методи машинного навчання для класифікації технічного стану обладнання, зокрема алгоритми Random Forest, Support Vector Machines. Використано методи штучної генерації ознак для створення нових, унікальних характеристик акустичного сигналу через комбінування та трансформування базових ознак. Застосовано методи теорії автоматичного керування для синтезу систем оптимального керування, екстремальне керування та адаптивні алгоритми. Використано методи математичного моделювання та імітаційного моделювання для дослідження ефективності запропонованих систем в умовах, що імітують реальну промислову експлуатацію. Наукова новизна одержаних результатів полягає у наступному. Вперше запропоновано використання підходу штучної генерації ознак, що дозволяє підвищити точність класифікації стану промислового обладнання в процесі його неперервної експлуатації шляхом отримання нових залежностей часових послідовностей сигналів, наприклад, звукових. Набуло подальшого розвитку використання методів автоенкодерів для фільтрації промислових шумів, що розподілені за нормальним законом розподілу, що дозволяє виокремити діагностично важливу інформацію з звукового сигналу роботи промислового обладнання, який відповідає аналогічному закон розподілу. Набуло подальшого розвитку використання методів екстракції діагностично важливих ознак з звукового сигналу роботи промислового обладнання, що дає змогу реалізувати класифікатор на базі нейронних мереж для класифікації стану та режиму роботи такого обладнання. Обґрунтовано вибір екстремального керування як оптимального підходу для систем на базі звукової дефектоскопії на основі порівняльного аналізу адаптивних систем MRAC, STR, Dual Control та ESC, який показав, що екстремальне керування забезпечує стабільну адаптацію без необхідності побудови математичної моделі об'єкта та без генерації небезпечних дослідницьких збурень. Практичне значення одержаних результатів полягає у тому, що розроблена система автоматичного керування на базі звукової дефектоскопії може бути впроваджена на промислових підприємствах для підвищення надійності експлуатації електромеханічного обладнання, зниження витрат на технічне обслуговування через оптимізацію міжремонтних інтервалів та запобігання аварійним відмовам шляхом своєчасної адаптації режимів роботи до поточного технічного стану. Розроблені методи фільтрації акустичних сигналів та алгоритми класифікації несправностей можуть використовуватися як самостійні компоненти систем моніторингу технічного стану промислового обладнання. Результати порівняльного аналізу методів оптимізації та критеріїв якості можуть бути використані при проектуванні адаптивних систем керування для різних типів промислового обладнання. Основні результати роботи. Проведено комплексний аналіз сучасного стану систем діагностики та керування промисловим обладнанням на основі акустичних сигналів, розглянуто методи технічної діагностики включаючи вібраційну, термографічну та електричну діагностику, обґрунтовано переваги звукової дефектоскопії як методу безконтактного моніторингу та проаналізовано існуючі підходи до інтеграції діагностики в системи керування. Розроблено та досліджено методи обробки акустичних сигналів для виділення діагностично важливої інформації. Створено лабораторний стенд на базі електродвигуна з ремінною передачею для збору експериментальних даних, щовключають записи стаціонарного режиму роботи та чотирьох типів несправностей. Проведено порівняльний аналіз методів фільтрації, який показав, що автокодувальник з вузьким шаром у 4 нейрони забезпечує найкраще покращення відношення сигналу до шуму на рівні 15,43 дБ, тоді як спектральне віднімання на основі середнього значення дає 6,6 дБ, а фільтр Вінера — 5,2-5,8 дБ. Сформовано набір інформативних спектральних ознак для класифікації технічного стану, що включає спектральний центроїд, спектральний розкид, енергетичні характеристики в окремих частотних зонах, спектральну щільність потужності, середньоквадратичну енергію та частоту перетину нуля. Розроблено методику штучної генерації додаткових ознак через арифметичні перетворення як одиничних ознак так і груп ознак. Експериментальне дослідження алгоритмів класифікації показало, що Random Forest та SVM забезпечують точність понад 98,5% для всіх типів несправностей, при цьому SVM досягає точності 93,5%. Дослідження показали, що для методів Random Forest та Support Vector Machine штучна генерація ознак якісно підвищую точність класифікації, тоді як для методу K-Means штучні ознаки знижують точність класифікації. Синтезовано екстремальну систему керування на базі звукової дефектоскопії. Порівняльний аналіз ПІД-регулятора, нечітких систем та адаптивних систем керування показав, що адаптивні системи є найбільш придатними для даного застосування. Дослідження систем MRAC, STR, Dual Control та ESC та виявлено, що екстремальні системи керування мають найкращі показники ефективності для вирішення задач керування з використанням звукової дефектоскопії. Аналіз критеріїв оптимізації ITAE, ISE, ITSE та MSE показав, що критерій ISE забезпечує оптимальний баланс між швидкістю згасання похибки та обмеженням перерегулювання. Порівняння методів оптимізації градієнтного спуску, Momentum, Nesterov Accelerated Gradient та RMSProp виявило, що класичний градієнтний метод забезпечує найбільш плавну динаміку керуючих впливів, що є критично важливим для обладнання з механічними дефектами. Синтезовано багаторівневу архітектуру системи з адаптивною цільовою функцією, ваговікоефіцієнти якої динамічно змінюються від пріоритету продуктивності при нормальній роботі до пріоритету надійності при виявленні критичних дефектів. | |
| dc.description.abstractother | Savula A. A. Automatic control systems based on acoustic flaw detection.. — Qualification scientific work on the rights of the manuscript. Dissertation for obtaining the scientific degree Doctor of Philosophy on the specialty 151 — Automation and Computer-Integrated Technologies. — National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute,” Kyiv, 2026. The dissertation is devoted to solving the current scientific and technical problem of creating a closed-loop automatic control system for industrial equipment based on acoustic flaw detection, providing adaptive real-time optimization of operating modes through continuous acoustic monitoring of technical condition. Relevance of the topic. The development of modern industrial production directly depends on the reliability and operational efficiency of technological equipment. Unplanned production shutdowns caused by failures of electric motors, pump units, compressors, gearboxes, and other equipment lead to significant economic losses, which in certain industries can reach millions of hryvnias per hour of downtime. Traditional maintenance approaches based on scheduled preventive repairs with fixed periodicity, or on actual servicing following a failure, are economically suboptimal and do not ensure maximum utilization of equipment service life. Acoustic flaw detection possesses unique advantages over alternative diagnostic methods, including non-contact signal acquisition, low cost of microphone equipment, the ability to simultaneously monitor multiple objects, and detection of a wide spectrum of mechanical defects including bearing problems, imbalance of rotating elements, gear transmission defects, and lubrication condition violations. However, the potential of acoustic flaw detection remains unrealized due to a fundamental limitation of existing systems — their passive nature, wherein the system merely informs the operator of detected anomalies without automatically influencing the equipment's operating mode. Traditional approaches involve separate functioning of diagnostic systems and control systems, which makes it impossible to respond promptly to changes in technical condition and leads to equipment operation in suboptimal modes. Decisions regarding mode adjustment are made by an operator based on system recommendations, creating a delay between the change in operating mode and the operator's response, which prevents optimal real-time balancing between productivity and resource preservation. Therefore, the integration of acoustic diagnostics directly into the automatic control loop as a system for determining equipment condition is a pressing scientific and technical challenge, the resolution of which will enable the creation of intelligent systems capable of automatically adapting operating modes in accordance with the current technical condition of the equipment. Research objectives. The aim of the research is to improve the fault tolerance of electromechanical systems through the creation of a closed-loop automatic control system that uses the results of acoustic diagnostics for adaptive optimization of control under conditions of changing operational state. To achieve this goal, the following tasks were addressed: analysis of acoustic flaw detection methods for industrial equipment and investigation of the physical mechanisms of acoustic signal generation by different types of defects; development and investigation of acoustic signal processing methods for extracting diagnostically relevant information from noisy recordings in industrial environments; development of methods for classifying equipment technical condition based on acoustic signals using machine learning algorithms; synthesis of an automatic control system for industrial equipment that integrates acoustic diagnostic results for adaptive optimization of operating modes; development of extremal control algorithms for searching and maintaining optimal equipment operating modes under conditions of a priori uncertainty. Object of research is the process of automatic control of industrial objects using acoustic diagnostics as a control signal during continuous operation. Subject of research is adaptive automatic control systems that employ signal processing theory and machine learning approaches to adapt operating modes on the basis of acoustic flaw detection. Research methods. The work employs digital signal processing methods for filtering acoustic signals, extracting signal features, and analyzing their spectral characteristics. These methods include frequency-domain transforms such as the Discrete Fourier Transform and Short-Time Fourier Transform, as well as extraction of various temporal and energy-based features. Machine learning methods were applied for classifying the technical condition of equipment, specifically the Random Forest and Support Vector Machines algorithms. Feature engineering methods were used to create new, unique characteristics of acoustic signals through combination and transformation of basic features. Methods of automatic control theory were applied for the synthesis of optimal control systems, including extremal control and adaptive algorithms. Mathematical and simulation modeling methods were used to investigate the effectiveness of the proposed systems under conditions simulating real industrial operation. Scientific novelty of the obtained results is as follows. For the first time, a feature engineering approach is proposed that improves the accuracy of classifying the technical condition of industrial equipment during its continuous operation by obtaining new dependencies of time sequences of signals, such as acoustic signals. The application of autoencoder methods for filtering industrial noise distributed according to the normal distribution law has been further developed, enabling the extraction of diagnostically relevant information from acoustic signals of industrial equipment operation that follows the same distribution law. The methodology for extracting features from signals for use in obtaining diagnostically relevant characteristics from acoustic signals of industrial equipment operation has been further developed, enabling the implementation of a neural networkbased classifier for determining the condition and operating mode of such equipment. The selection of extremal control as the optimal approach for systems based on acoustic flaw detection has been substantiated through a comparative analysis of adaptive systems MRAC, STR, Dual Control, and ESC, which demonstrated that extremal control provides stable adaptation without the need to construct a mathematical model of the plant and without generating hazardous probing disturbances. Practical significance of the obtained results lies in the fact that the developed automatic control system based on acoustic flaw detection can be implemented at industrial enterprises to improve the operational reliability of electromechanical equipment, reduce maintenance costs through optimization of maintenance intervals, and prevent emergency failures through timely adaptation of operating modes to the current technical condition. The developed acoustic signal filtering methods and fault classification algorithms can be used as standalone components of industrial equipment condition monitoring systems. The results of the comparative analysis of optimization methods and quality criteria can be applied in the design of adaptive control systems for various types of industrial equipment. Main results of the work. A comprehensive analysis of the current state of diagnostic and control systems for industrial equipment based on acoustic signals was conducted, reviewing technical diagnostic methods including vibration, thermographic, and electrical diagnostics, substantiating the advantages of acoustic flaw detection as a non-contact monitoring method, and analyzing existing approaches to integrating diagnostics into control systems. Acoustic signal processing methods for extracting diagnostically relevant information were developed and investigated. A laboratory test bench based on an electric motor with belt drive was created for collecting experimental data comprising recordings of steady-state operation and four types of malfunctions. A comparative analysis of filtering methods was conducted, showing that an autoencoder with a bottleneck of 4 neurons provides the best signal-to-noise ratio improvement at 15.43 dB, while meanbased spectral subtraction yields 6.6 dB and the Wiener filter yields 5.2–5.8 dB. A set of informative spectral features for technical condition classification was formed, including spectral centroid, spectral spread, energy characteristics in individual frequency bands, power spectral density, root mean square energy, and zero-crossing rate. A methodology for artificially generating additional features through arithmetic transformations of both individual features and feature groups was developed. Experimental evaluation of classification algorithms showed that Random Forest and SVM provide accuracy exceeding 98.5% for all fault types, with SVM achieving an accuracy of 93.5%. The study demonstrated that for Random Forest and Support Vector Machine methods, feature engineering significantly improves classification accuracy, whereas for the K-Means method, artificially generated features reduce classification accuracy. An extremal control system based on acoustic flaw detection was synthesized. A comparative analysis of PID controller, fuzzy systems, and adaptive control systems demonstrated that adaptive systems are most suitable for this application. Investigation of MRAC, STR, Dual Control, and ESC systems revealed that extremal control systems exhibit the best performance metrics for control tasks based on acoustic flaw detection. Analysis of optimization criteria ITAE, ISE, ITSE, and MSE showed that the ISE criterion provides the optimal balance between error decay rate and overshoot limitation. Comparison of gradient descent, Momentum, Nesterov Accelerated Gradient, and RMSProp optimization methods revealed that classical gradient descent provides the smoothest dynamics of control actions, which is critically important for equipment with mechanical defects. A multilevel system architecture with an adaptive objective function was synthesized, whose weighting coefficients dynamically shift from prioritizing productivity during normal operation to prioritizing reliability upon detection of critical defects. | |
| dc.format.extent | 156 с. | |
| dc.identifier.citation | Савула, А. А. Системи автоматичного керування на базі звукової дефектоскопії : дис. … д-ра філософії : 151 Автоматизація та комп'ютерно-інтегровані технології / Савула Андрій Антонович. - Київ, 2026. - 156 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/82489 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | звукова дефектоскопія | |
| dc.subject | автоматичне керування | |
| dc.subject | екстремальне керування | |
| dc.subject | машинне навчання | |
| dc.subject | акустична діагностика | |
| dc.subject | адаптивні системи | |
| dc.subject | класифікація режиму роботи | |
| dc.subject | автоматична система керування | |
| dc.subject | адаптивний регулятор | |
| dc.subject | оптимізація | |
| dc.subject | обробка сигналів | |
| dc.subject | acoustic flaw detection | |
| dc.subject | automatic control | |
| dc.subject | extreme control | |
| dc.subject | machine learning | |
| dc.subject | acoustic diagnostics | |
| dc.subject | adaptive systems | |
| dc.subject | operating mode classification | |
| dc.subject | automatic control system | |
| dc.subject | adaptive controller | |
| dc.subject | optimization | |
| dc.subject | signal processing | |
| dc.subject.udc | 681.51 | |
| dc.title | Системи автоматичного керування на базі звукової дефектоскопії | |
| dc.title.alternative | Automatic control systems based on acoustic flaw detection | |
| dc.type | Thesis Doctoral |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: