طوّر علماء من جامعة جنوب الأورال الحكومية طريقةً جديدةً لتشخيص عيوب محامل التدحرج، مما يُحسّن دقة وسرعة اكتشاف الأعطال بشكل ملحوظ. وقد نشر فلاديمير سينيتسين، نائب رئيس مختبر أبحاث التشخيص الذاتي التقني والتحكم الذاتي في الأجهزة والأنظمة، وزملاؤه الشباب أولغا إبرييفا، وفيكتوريا إريميفا، ومحمد محمد من المدرسة العليا للإلكترونيات وعلوم الحاسوب بجامعة جنوب الأورال الحكومية، هذه النتيجة في مجلة "الخوارزميات" الدولية المرموقة في أوائل عام 2025.
تُستخدم المحامل المتدحرجة في مجالات متنوعة، من الطيران إلى آلات التحكم الرقمي بالكمبيوتر (CNC). ولذلك، تُعد الطريقة غير التلامسية لتشخيصها بالغة الأهمية، ليس فقط لتحديد العيوب الموجودة، بل أيضًا للوقاية من الأعطال ومنعها.
مع ظهور الشبكات العصبية وتقنيات التعرف على الأنماط، بدأ تطبيق هذه الطرق أيضًا في مراقبة المحامل. تخضع الإشارات الصوتية لاهتزاز المحامل للمعالجة الأولية، ويُدرس طيف التردد، وتُحدد الخصائص، ثم تُصنف الشبكة العصبية هذه الخصائص وتُخلص إلى استنتاج حول حالة المحامل.
لتحسين دقة هذه الطريقة التشخيصية، تُستخدم عادةً أساليب التعلم العميق للشبكات العصبية المعقدة، والتي تتطلب تكاليف حسابية ووقتية، بالإضافة إلى كمية كبيرة من البيانات للتدريب.
اقترح فلاديمير سينيتسين وزملاؤه من جامعة جنوب الأورال الحكومية معالجة الإشارة إلى الشبكة العصبية باستخدام خوارزمية LPC - الترميز التنبئي الخطي - قبل إرسالها. هذه الطريقة معروفة وتُستخدم بشكل رئيسي للتعرف على الكلام البشري وتوليفه على جهاز كمبيوتر.
خوارزمية LPC سهلة التنفيذ. ونتيجةً لذلك، فإن البيانات المرسلة إلى الشبكة العصبية (متجه الميزات) ليست ضخمة جدًا - 50 قيمة فقط. تكفي شبكة عصبية بسيطة، دون تعلّم عميق، لمعالجتها. هذا يُسرّع معالجة الإشارات بشكل كبير.
اختبر علماء من جامعة جنوب الأورال الحكومية الخوارزمية الجديدة على مجموعات بيانات اختبارية، وحصلوا على دقة تقارب %100 في اكتشاف العيوب، بالإضافة إلى ميزة في سرعة الحسابات مقارنةً بالنموذج الهجين Hybrid MLP-CNN المستخدم سابقًا، والذي يستخدم الشبكات العصبية التلافيفية وطيفًا متعدد الطبقات.