Архитектура интеллектуальной системы вибрационной диагностики транспортных средств и методика анализа вибрационных сигналов

2026

Closed access Metadata (CSL-JSON)
DOI 10.32523/2616-7263-2026-154-1-149-165
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

В статье рассматриваются вопросы разработки методики анализа вибрационных сигналов и формирования концепции архитектуры интеллектуальной системы вибрационной диагностики транспортных средств. Актуальность исследования обусловлена необходимостью повышения надежности и безопасности эксплуатации транспортных систем в условиях цифровизации и внедрения киберфизических технологий. В качестве основного метода обработки выбран спектральный анализ на базе быстрого преобразования Фурье, который позволяет выявлять доминирующие частотные компоненты и формировать диагностические признаки. Представлена экспериментальная реализация регистрации вибрационных ускорений с использованием многоканальных акселерометрических датчиков и цифровая обработка данных с расчетом интегральных и спектральных параметров. На базе разработанной методики предложена концепция многоуровневой архитектуры интеллектуальной системы, включающей сенсорный, аналитический и интеллектуальный уровни. Такой подход ориентирован на интеграцию с цифровыми платформами мониторинга и реализацию обслуживания по состоянию, что повышает эффективность диагностики и эксплуатационной надежности транспортных средств. Предложенная архитектура предусматривает масштабируемость и модульность для адаптации к различным типам транспортных средств. Реализованный подход может стать основой для развития современных систем интеллектуальной диагностики в транспортной отрасли, способных эффективно предотвращать поломки и повышать эксплуатационную готовность транспортных средств.