Adaptive Wavelet Threshold Attention and Explainable Lightweight CNN for Strongly Time-Varying Fault Diagnosis and Feature Extraction Mechanism of Rotating Machinery

في العالم الصناعي، غالبًا ما يكون أزيز المصنع هو صوت الصحة، ولكنه أيضًا لغة الفشل. فداخل صناديق التروس الضخمة والمحركات الدوارة، تبدأ الشقوق الصغيرة والأسنان المتآكلة في الهمس قبل وقت طويل من صراخها. بالنسبة للمهندسين، كان التحدي دائمًا يتمثل في سماع هذه الهمسات وسط ضجيج الآلة نفسها. عندما تعمل الآلة بسرعة ثابتة، يكون صوت العطل متوقعًا، مثل ضربات طبل منتظمة. ولكن في العالم الحقيقي، نادرًا ما تظل الآلات ساكنة؛ فهي تسرع، وتتباطأ، وتتغير أحمالها باستمرار. هذا التغير المستمر يشتت صوت العطل، مما يجعله يتلاشى ويندمج في ضجيج الخلفية. وغالبًا ما تعاني الأدوات التقليدية المخصصة للاستماع إلى هذه الآلات؛ فهي مصممة للظروف المستقرة وتصاب بالارتباك عندما يتغير الإيقاع، أو أنها ثقيلة ومعقدة للغاية بحيث لا يمكن تثبيتها على الآلات نفسها للاستماع في الوقت الفعلي.

لقد طور الباحثان تينجي شيا وبنغفي بانغ طريقة جديدة للاستماع تتسم بالدقة والبساطة في آن واحد. فقد ابتكروا نظامًا رقميًا مصممًا ليعمل كأذن دقيقة القدرة على ضبط نفسها لتتناسب مع السرعة المتغيرة للآلة، مع تصفية الضجيج الناتج عن أرضية المصنع. ويركز نهجهما، الموصوف في عملهما الأخير، على نوع محدد من الذكاء الاصطناعي يكون خفيفًا بما يكفي للعمل على أجهزة الكمبيوتر المدمجة الصغيرة، ولكنه قوي بما يكفي لاكتشاف الأعطال الخفية في المحامل والتروس. ومن خلال الجمع بين طريقة تفهم كيفية تمدد وانكماش الموجات الصوتية ونظام تصفية ذكي يعرف تمامًا متى يتجاهل الضوضاء، يمكن لنظامهما رصد المشكلات التي تغفل عنها الطرق الأخرى، حتى عندما تعمل الآلة في ظروف متغيرة وصعبة.

يعالج جوهر عملهما مشكلة لطالما أرقت تشخيص الأعطال: وهي الطريقة التي تتغير بها الأعطال مع تسارع الآلة أو تباطؤها. فعندما يتعرض محمل أو ترس للتلف، فإنه يولد نمط اهتزاز محددًا. ومع ذلك، إذا لم تكن سرعة الآلة ثابتة، فإن تردد هذا الاهتزاز يتغير، تمامًا مثل تغير حدة صوت سيارة الإسعاف أثناء مرورها. غالبًا ما تستخدم النماذج الحاسوبية القديمة إعدادات ثابتة للبحث عن هذه الأصوات، مما يعني أنها قد تغفل عن وجود عطل لمجرد أن سرعة الآلة انحرفت قليلًا عما توقعه النموذج. ولحل هذه المشكلة، بنى البفساث نظامًا لا يعتمد على الإعدادات الثابتة؛ بل يستخدم أداة رياضية تسمى "المويجة" (wavelet)، وهي ممتازة في تفكيك الإشارات المعقدة إلى أجزائها، لكنهما جعلاها "تكيفية". وهذا يعني أن النظام يمكنه تعلم وضبط إعداداته الداخلية في الوقت الفعلي لتتبع حدة الصوت المتغيرة للعطل، مما يضمن عدم فقدان الإشارة أبدًا حتى عندما تتقلب سرعة الآلة بشكل حاد.

ولجعل هذا النظام عمليًا في العالم الحقيقي، توجب على الفريق التغلب على عقبة أخرى: التعقيد. فالعديد من أدوات التشخيص المتقدمة تشبه أجهزة الكمبيوتر العملاقة؛ فهي قوية ولكنها تتطلب الكثير من الطاقة والمساحة ليتم وضعها مباشرة على آلة المصنع. صمم الباحثون حلهم ليكون "خفيف الوزن"، مما يعني أنه يستخدم موارد حوسبة قليلة جدًا. لقد حققوا ذلك من خلال تبسيط النظام إلى طبقة واحدة من المعالجة. فبدلاً من تكديس طبقات عديدة من الحسابات المعقدة فوق بعضها البعض، والتي يمكن أن تؤدي أحيانًا إلى طمس التفاصيل الدقيقة للعطل، يستخدم نموذجهم مسارًا مباشرًا ومبسطًا. ويسمح هذا التصميم للنظام بمعالجة البيانات بسرعة وكفاءة، مما يجعله مناسبًا للتركيب على الأجهزة الطرفية (edge devices) التي تتحكم في الآلات الصناعية، بدلاً من الحاجة إلى خادم بعيد للقيام بالمهمة.

يكمن جزء حاسم من نجاحهم في كيفية تعامل النظام مع الضوضاء. ففي مصنع صاخب، يمكن أن يغرق إشارة شق صغير بسبب اهتزاز الأرضية أو همهمة المحركات المجاورة. أضاف الباحثون وحدة خاصة لنظامهم تعمل كحارس بوابة ديناميكي. تقوم هذه الوحدة بتحليل الصوت الوارد باستمرار، وحساب متوسط مستوى الضوضاء والتباينات في الإشارة. وبناءً على هذا الحساب، تضع عتبة متحركة؛ فإذا كانت طفرة الصوت مجرد ضوضاء عشوائية، يتجاهلها الحارس. أما إذا كانت الطفرة تطابق نمط العطل، فإن النظام يقوم بتعزيزها، مما يجعل الإشارة الضعيفة تبرز بوضيد أمام خلفية الضجيج. تحدث هذه العملية تلقائيًا وبشكل مستمر، مما يسم يسمح للنظام بتعزيز إشارات العطل الحقيقية مع كبح التداخل، وهي قدرة ثبتت أهميتها الكبيرة خلال اختباراتهم.

اختبر الفريق نظامهم الجديد على مجموعتي بيانات تحديتين تحاكي البيئات الصناعية الحقيقية. تضمنت المجموعة الأولى منصة محامل حيث كانت السرعة تتغير باستمرار، وتضمنت الثانية صندوق تروس تعرض لأحمال وسرعات متغيرة. وفي هذه الاختبارات، وُضع النظام في مواجهة عدة طرق متقدمة أخرى، بما في ذلك نماذج التعلم العميق الأكثر ضخامة وتعقيدًا. وكانت النتائج مذهلة؛ ففي الظروف التي كانت فيها الضوضاء مرتفعة لدرجة قد تخفي العطل عادةً، حافظ النظام الجديد على مستوى عالٍ من الدقة، حيث حدد نوع العطل بدقة في 93.75 بالمائة من الحالات في بيانات صندوق التروس، ونسبة أعلى في بيانات المحامل. وفي المقابل، شهدت العديد من الطرق الأخرى انخفاضًا كبيرًا في أدائها مع زيادة الضوضاء. كما أثبت النظام الجديد أنه سريع للغاية، حيث يتطلب وقتًا أقل بكثير لتحليل البيانات مقارنة بمنافسيه، وهو أمر ضروري لرصد المشكلات قبل أن تسبب انهيارًا.

إن ما يجعل هذه النتيجة قوية بشكل خاص ليس فقط أرقام الدقة العالية، بل الإثبات الإحصائي بأن هذا التحسن حقيقي وليس مجرد صدفة. فقد أجرى الباحثون اختبارات إحصائية صارمة لمقارنة نظامهم بالأنظمة الأخرى، وأظهرت النتائج أن الفرق في الأداء كان جوهريًا، خاصة في أكثر الظروف ضجيجًا. كما نظروا داخل "الصندوق الأسود" لنموذجهم لفهم كيفية عمله، ووجدوا أن طبقة المويجة التكيفية نجحت في تتبع الترددات المتغيرة للأعطال، وأن وحدة تصفية الضوضاء قامت بتنقية الإشارة بفعالية، مما سمح للنظام بالتركيز على المشكلة الحقيقية. هذا الوضوح الداخلي يمنح المهندسين الثقة في أن النظام لا يقوم بمجرد التخمين، بل يتبع بالفعل القوانين الفيزيائية لكيفية اهتزاز هذه الآلات.

كما أظهر الباحثون أن نظامهم يمكن نشره على أجهزة صغيرة ومنخفضة الطاقة، مما يعد خطوة كبيرة للأمام في التطبيقات الصناعية. فمن خلال الحفاظ على بساطة وكفاءة النموذج، ضمنوا أنه لا يتطلب أجهزة باهظة الثمن للتشغيل. وهذا يعني أن المصانع يمكنها تقريبًا تركيب أدوات التشخيص هذه مباشرة على آلاتها، مما يوفر فحصًا مستمرًا وصحيًا في الوقت الفعلي دون الحاجة إلى بنية تحتية ضخمة. إن قدرة النظام على التعامل مع الظروف شديدة التغير زمنيًا — حيث تتغير السرعة والحمل باستمرار — تسد فجوة تتركها العديد من التقنيات الموجودة، مما يوفر طريقة موثوقة لمراقبة المعدات في أكثر البيئات ديناميكية وصعوبة.

في نهاية المطاف، يمثل هذا العمل تحولًا في كيفية مقاربتنا لصحة الآلات. فهو يبتعد عن فكرة أننا بحاجة إلى نماذج ضخمة ومعقدة لحل المشكلات المعقدة، بل يظهر أن نظامًا مصممًا بعناية ومبسطًا يفهم فيزياء الإشارة يمكنه التفوق على النماذج الأثقل والأكثر جمودًا. ومن خلال الجمع بين القدرة على تتبع الترددات المتغيرة وبين مرشح ضوضاء ذكي وتكيفي، ابتكر الباحثون أداة تتسم بالحساسية والمرونة في آن واحد. وبالنسب بالنسبة للصناعات التي تعتمد على التشغيل المستمر للآلات الدوارة، يوفر هذا العمل مستوى جديدًا من الطمأنينة: طريقة لسماع أضعف علامات الفشل، حتى عندما تعمل الآلة في أكثر حالاتها فوضوية، مما يضمن إمكانية إجراء الصيانة قبل أن تتحول المشكلة الصغيرة إلى فشل كارثي.