Machine Diagnostics in Mechatronic Systems: Analysis Methods and Intelligent Technologies

ID елемента: 21562
2026/05/01
Властивості
Назва
Англійська
Machine Diagnostics in Mechatronic Systems: Analysis Methods and Intelligent Technologies
Українська
Діагностика машин у мехатронних системах: методи аналізу та інтелектуальні технології
Опис
Англійська
The article examines modern approaches to machine diagnostics within mechatronic systems using signal processing methods and intelligent machine learning technologies. The structure of mechatronic complexes is analyzed, and their specific features that influence the development of diagnostic models are identified, including the high level of interdependence between mechanical, electronic, and software components. The feasibility of applying hybrid diagnostic systems is substantiated, where convolutional neural networks (CNN) are employed for automatic extraction of informative features from vibration and sensor data, while recurrent networks such as LSTM provide analysis of the temporal dynamics of processes and prediction of degradation states. A generalized theoretical diagnostic model is proposed, combining spectral methods of preliminary signal processing, multisensor data integration, and modules for technical condition prediction. The obtained results demonstrate the high effectiveness of intelligent algorithms in detecting early signs of faults, even under noise disturbances and varying operating modes. The proposed approach can be applied in maintenance systems at industrial enterprises to enhance the reliability and extend the service life of mechatronic systems.
Українська
У статті розглянуто сучасні підходи до діагностики машин у складі мехатронних систем із використанням методів обробки сигналів та інтелектуальних технологій машинного навчання. Проаналізовано структуру мехатронних комплексів та визначено їх специфічні особливості, що впливають на формування діагностичних моделей, зокрема високий рівень взаємозалежності між механічними, електронними та програмними компонентами. Обґрунтовано доцільність застосування гібридних діагностичних систем, у яких згорткові нейронні мережі (CNN) використовуються для автоматичного вилучення інформативних ознак із вібраційних та сенсорних даних, а рекурентні мережі типу LSTM забезпечують аналіз часової динаміки процесів та прогнозування деградаційних станів. Запропоновано узагальнену теоретичну модель діагностування, що поєднує спектральні методи попередньої обробки сигналів, багатосенсорну інтеграцію та модулі прогнозування технічного стану. Отримані результати демонструють високу ефективність інтелектуальних алгоритмів у виявленні ранніх ознак несправностей, навіть за умов шумових завад і зміни режимів роботи машин. Розроблений підхід може бути використаний у системах технічного обслуговування на промислових підприємствах для підвищення надійності та продовження ресурсу мехатронних систем.
Автор
Англійська
Oryschenko, Serhii
Англійська
Oryscshenko , Viktor
Українська
Орищенко, Сергій
Українська
Орищенко, Віктор
Тематика
Англійська
machine diagnostics
Англійська
machine learning
Англійська
mechatronic systems
Англійська
CNN
Англійська
LSTM
Англійська
signal processing
Англійська
condition prediction
Англійська
digital twins
Англійська
vibration analysis
Українська
діагностика машин
Українська
мехатронні системи
Українська
машинне навчання
Українська
CNN
Українська
LSTM
Українська
обробка сигналів
Українська
прогнозування стану
Українська
цифрові двійники
Українська
вібраційний аналіз
Видавництво
Англійська
National University «Yuri Kondratyuk Poltava Polytechnic»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Англійська
peer-reviewed article
Українська
рецензована стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/znp/article/view/4146
10.26906/znp.2025.64.4146
Джерело
Англійська
Academic journal. Industrial Machine, Building Civil Engineering; Vol. 1 No. 64 (2025): ACADEMIC JOURNAL Industrial Machine Building, Civil Engineering; 140-146
Українська
Збірник наукових праць. Галузеве машинобудування, будівництво; Том 1 № 64 (2025): Збірник наукових праць Галузеве машинобудування будівництво; 140-146
2518-1106
2409-9074
10.26906/znp.2025.64
Мова
en
Відношення
https://journals.nupp.edu.ua/znp/article/view/4146/3481
Права
Англійська
Copyright (c) 2025 Serhii Oryschenko, Viktor Oryscshenko
Англійська
https://creativecommons.org/licenses/by-nc-sa/4.0
Набори елементів 1
Збірник наукових праць. Серія: Галузеве машинобудування, будівництво

Викладення результатів досліджень із механізації будівельних робіт, проектування...

20554 598 items
Інформація про метадані
Створено
2026-5-1 07:20
Остання зміна
2026-5-1 07:20
ID елемента
#21562