Han skapar självlärd maskin
En ny självlärande metod för att tidigt kunna förutsäga och förhindra skador på kullager. Det är något som utvecklas av en doktorand vid LTU.
Doktorand Sergio Martin Del Campo Barraza. Foto: Åsa Svedjeholm, Luleå Tekniska Universitet
Enligt ett pressmeddelande från LTU tillämpas metoden på sensorer som registrerar högfrekventa ljudvågor, så kallad akustisk emission. Akustisk emission genereras bland annat av fysikaliska processer som leder till slitage på maskiner.
– Den stora fördelen med tekniken är att vi tidigt kan förutse skador som kan orsaka driftstopp, säger Sergio Martin Del Campo Barraza, doktoranden som utvecklar metoden.
– Metoden ger oss möjlighet att förenkla ingenjörsarbetet genom att bearbeta komplexa ljudsignaler. När den högfrekventa ljudsignalen registrerats via en trådlös sensor, jämförs den med olika vågformer som finns lagrade i en databas. Den akustiska signalen klassificeras utifrån hur bra och hur ofta de matchar vågformerna i databasen. Olika kombinationer av vågformer kan kopplas till specifika situationer som förvarnar om skador på maskinens komponenter.
Databasen kommer automatiskt att kunna uppdateras med maskininlärningsmetoder. Återkommande mönster i data identifieras och kopplas till fysikaliska modeller eller information om andra liknande maskiner.
– Man kan säga att maskinen använder erfarenheter av situationer där skador uppstått och på så sätt lär sig att själv förvarna när det finns risk för skador, säger Sergio Martin Del Campo Barraza.