<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Вібраційний моніторинг технологічних режимів валкового формування гнутих профілів

Завантаження...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Запропоновано підхід до раннього виявлення поломок механізмів та обладнання, порушень технологічних режимів валкового формування гнутих профілів шляхом застосування вібраційного моніторингу. Описано алгоритм, що дозволить ідентифікувати відхилення у роботі обладнання ще до настання критичних несправностей, що сприятиме підвищенню надійності виробничих процесів.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Явтушенко А., Губський С. Вібраційний моніторинг технологічних режимів валкового формування гнутих профілів // Збірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/24808.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. Sergienko N., Hubskyi S., Pavlova N., Turchyn O., Hasiuk O., idek K. Obstacle-Resistant Wireless Strain Gauge Complex for Automated Monitoring of the Steel Structures Condition // EAI ARTEP 2023: EAI International Conference on Automation and Control in Theory and Practice. – 2023. – P. 17–31. DOI: 10.1007/978-3-031-31967-9_2.
  2. Turkin I., Leznovskyi V., Zelenkov A., Nabizade A., Volobuieva L., Turkina V. The Use of IoT for Determination of Time and Frequency Vibration Characteristics of Industrial Equipment for Condition-Based Maintenance // Computation. – 2023. – Vol. 11. – P. 1–16. DOI: 10.3390/computation11090177.
  3. Scalabrini Sampaio G., Vallim Filho A. R. d. A., Santos da Silva L., Augusto da Silva L. Prediction of Motor Failure Time Using An Artificial Neural Network // Sensors. – 2019. – Vol. 19. – Article ID 4342. DOI: 10.3390/s19194342.
  4. uczak D. Machine Fault Diagnosis through Vibration Analysis: Time Series Conversion to Grayscale and RGB Images for Recognition via Convolutional Neural Networks // Energies. – 2024. – Vol. 17. – P. 1998. – P. 1–25. DOI: 10.3390/en17091998.