Šajā darbā tiek pētītas un novērtētas vibrācijas analīzes un konvolucionālo neironu tīklu (CNN) izmantošanas metodes, lai novērtētu urbju stāvokli, kas uzstādīti uz elektromotora darbināmiem urbjiem. Stratēģiski novietojot inerciālās mērvienības (IMU) sensoru, lai uztvertu paātrinājuma datus, dažādos darbības scenārijos var savākt plašu vibrācijas signālu klāstu. CNN modeļi tiek apmācīti un apstiprināti, izmantojot šos datus, lai precīzi noteiktu dažādus urbju uzgaļu bojājumu apstākļus un darbības stāvokļus, parādot iespēju ieviest mērogojamas un uzticamas kļūdu noteikšanas sistēmas rūpnieciskā vidē. Pētījums sasniedz tehnoloģiju gatavības līmeni (TRL) 3, kā liecina izmēģinājumi, kas efektīvi klasificē mašīnas apstākļus, izmantojot CNN, tādējādi apstiprinot piedāvātās tehnoloģijas kritiskās funkcijas. Šī pētījuma mērķis ir novērtēt vibrāciju analīzes efektivitāti, klasificējot urbjmašīnas darbības stāvokli kā labu, vidēju vai sliktu.
Vibrācijas analīze ir metode, ko izmanto, lai analizētu mašīnas svārstību modeļus, lai identificētu tādas problēmas kā novirze, nelīdzsvarotība un nodilums.