Nowa klasa sieci neuronowych z warstwami cyklostacjonarnymi do wczesnej diagnostyki maszyn obrotowych (CYCLO‐AI)

W ramach projektu planowane jest utworzenie interdyscyplinarnego i międzywydziałowego zespołu badawczego, który opracuje nowe podejście do detekcji i identyfikacji uszkodzeń w maszynach obrotowych (łożyska toczne, przekładnie zębate, uzwojenia stojana i wirnika), oparte na autorskiej architekturze sieci neuronowej z warstwami cyklostacjonarnymi.

Model zostanie zaprojektowany jako elastyczny i wielozadaniowy: do bardzo wczesnej detekcji, identyfikacji typu uszkodzenia, lokalizacji cech diagnostycznych oraz fuzji multimodalnej sygnałów wibracyjnych, akustycznych i różnych postaci sygnałów elektrycznych. Nowością projektu jest sama klasa modeli oraz przewaga nad rozwiązaniami SOTA (ang. state-of-the-art) bazującymi na odpornych mapach CSC (ang. cyclic spectral coherence): niższy koszt obliczeń, możliwość adaptacji do warunków pracy i brakujących modalności oraz lepsze uogólnianie przy niskim współczynniku SNR (ang. signal-to-noise ratio).

Czas trwanialipiec 2026 – grudzień 2027
Kierownikdr hab. inż. Rafał Zdunek, prof. uczelni (Wydział Elektroniki, Fotoniki i Mikrosystemów).
PartnerzyWydział Elektroniki, Fotoniki i Mikrosystemów
Wydział Elektryczny
Wydział Matematyki
Wydział Geoinżynierii Górnictwa i Geologii
Budżet
430 000 zł
Źródło dofinansowaniaProgram „Wsparcie zespołów badawczych” PWr