СУЧАСНІ МЕТОДИ ДІАГНОСТИКИ МАШИН

Віктор Нечипорук; Сергій Орищенко

doi:10.32347/tb.2025-43.0603

Автор(и)

Віктор Нечипорук Київський національний університет будівництва і архітектури, Україна
Сергій Орищенко Національний університет біоресурсів і природокористування України, Україна

DOI:

https://doi.org/10.32347/tb.2025-43.0603

Ключові слова:

технічна діагностика, вібраційний аналіз, термографія, моніторинг стану, машинне навчання, прогнозування відмов

Анотація

У статті розглянуто сучасні підходи до технічної діагностики машин і
механізмів, спрямовані на підвищення надійності, безпечності та ефективності їх експлуатації.
Проаналізовано основні методи контролю технічного стану - вібраційну, акустичну,
термографічну, електричну та аналітичну діагностику. Висвітлено принципи побудови систем
моніторингу технічного стану, їх апаратне та програмне забезпечення. Особливу увагу приділено
застосуванню методів машинного навчання та цифрової обробки сигналів у процесі
діагностування. Наведено порівняльну характеристику традиційних і інтелектуальних методів
діагностики, визначено переваги використання комплексного підходу для прогнозування відмов і
планування технічного обслуговування. Результати дослідження можуть бути використані при
розробленні сучасних систем технічного моніторингу, автоматизованих комплексів
обслуговування машин та в освітньому процесі підготовки фахівців машинобудівного профілю.

Посилання

Migal, V. D., & Argun, Sh. V. (2024). Vibration diagnostics of machines: Design, manufacturing, opera-tion (2nd ed., revised and expanded). Kharkiv: Maidan. 440 p.
Hrebeniuk, V. M. (2018). Fundamentals of technical diagnostics of machines. Kharkiv: KhNADU. 268 p.
Polishchuk, S. I. (2019). Diagnostics and maintenance of vehicles. Kyiv: Aristei. 276 p.
Hnatenko, S. V., & Zadorozhnyy, O. P. (2021). Oscillographic diagnostics of automotive electrical systems. Bulletin of NTU “KhPI”. Series: Transport Engineering and Technologies, 4(1382), 72–80.
Migal, V. D., Argun, Sh. V., & Pshenichnyi, O. O. (2023). Development of technical diagnostics systems for agricultural machines. Technical Service of Agro-Industrial, Forestry and Transport Complexes, 25, 44–53.
Klymenko, O. V., & Fedorenko, S. V. (2023). Application of artificial intelligence for predictive diagnos-tics of industrial machinery. Eastern-European Journal of Enterprise Technologies, 4(10), 43–52.
Syvak, M. V., & Cherneha, D. V. (2020). Vibroacoustic diagnostics of machine technical condition. Scien-tific Bulletin of Lviv Polytechnic National University, 869, 112–118.
Ukrainian Research and Training Center for Standardization. (2017). DSTU EN 1330-10:2017 — Nonde-structive testing. Terminology. Part 10. Visual testing. Kyiv: UkrNDNC. 28 p.
Randall, R. B. (2022). Development of vibration-based condition monitoring methods. Mechanical Systems and Signal Processing, 162, 107013, 1–12.
Jardine, A. K. S., Lin, D., & Banjevic, D. (2006). A review on machinery diagnostics and prognostics im-plementing condition-based maintenance. Mechanical Systems and Signal Processing, 20(7), 1483–1510.
Li, Y., & He, D. (2012). Rotating machinery fault detection using acoustic emission signals. Applied Acous-tics, 73(8), 812–823.
Medvedev, A. E., & Gusev, V. V. (2020). Thermographic diagnostics of mechanical systems. Procedia Engineering, 206, 1525–1532.
Migdalski, J., & Krawczyk, M. (2020). Use of infrared thermography in the condition monitoring of me-chanical systems. Measurement, 165, 108112, 1–9.
Dybala, J., & Radkowski, S. (2021). Vibration signal analysis in machine fault diagnosis using FFT and envelope analysis. Diagnostyka, 22(2), 57–64.
Holroyd, T. J. (2018). Acoustic emission methods for machine fault detection. Journal of Nondestructive Evaluation, 37(4), 88–96.
Gao, Z., Cecati, C., & Ding, S. X. (2015). A survey of fault diagnosis and fault-tolerant techniques – Part I: Fault diagnosis with model-based and signal-based approaches. IEEE Transactions on Industrial Elec-tronics, 62(6), 3757–3767.
Li, X., & Wang, Y. (2022). Vehicle fault diagnosis based on OBD-II data using machine learning. IEEE Access, 10, 20348–20359.
Wang, S., & Li, J. (2021). Diagnostics over IP (DoIP) communication for vehicle systems. IEEE Transac-tions on Vehicular Technology, 70(7), 6358–6367.
Brodny, J., & Tutak, M. (2020). Analysis of OBD-II system applications for internal combustion engine diagnostics. Energies, 13(4), 978, 1–16.
Maldague, X. (2019). Theory and practice of infrared technology for nondestructive testing (2nd ed.). New York: Wiley. 709 p.