אבחון ליקויים בגלגלי שיניים במערכות הנעה של טורבינות רוח באמצעות מיזוג מידע רב-מקורתי ולמידת מכונה אנסמבל במחקר על ספסל סימולציה

שומרים על הטורבינות במצב סיבוב

פארקי רוח מודרניים מסתמכים על גיר ענקי שמסתתר בכל טורבינה כדי להפוך רוח איטית ומזג-מזג לחשמל יציב. כשהגלגלי שיניים נלבשים או סדוקים, יש להפסיק את פעולת הטורבינה לתיקון, מה שעלול לעלות בזמן, כסף ואנרגיה נקייה. המחקר הזה מציג דרך חכמה יותר "להאזין" לדופק המכני של טורבינת רוח ולזהות בעיות בגלגלי השיניים מוקדם, גם כשהמכונה מסתובבת במהירויות משתנות ברציפות ומוקפת רעש.

מדוע מצב הגיר חשוב

הגירים נמצאים בין להב הרוטור ליצרן החשמלי, ומטפלים בעומסים חזקים ומשתנים מהרוח. הם גם בין הרכיבים הכי פגיעים לכשלים בטורבינה ויכולים להסביר חלק גדול מזמני ההשבתה המכנית. כלי ניטור מסורתיים בוחנים אות רטט יחיד ומיישמים מסננים קבועים, שיטה שעובדת די טוב בתנאי מעבדה יציבים. בשטח, לעומת זאת, מהירות הסיבוב עולה ויורדת עם כל פרץ רוח, מה שמשנה את החתימות הרטטיות המאפיינות נזק. בו בזמן, רעש סביבתי עלול לטשטש בקלות את הסימנים העדינים של סדק או שן חסרה, וכך מקשה על אבחון מוקדם.

לולאת האזנה חכמה

כדי להתמודד עם זה, המחברים תכננו שרשרת עיבוד אותות "סגורה" שמקשרת בזמן אמת בין מהירות לרטט. תחילה מסננים את נתוני המהירות הגולמיים מהמקודד באמצעות מסנן גאוסיאני שמחליק קפיצות פתאומיות אך שומר על המגמה האמיתית של מהירות הסיבוב. פרופיל המהירות המנוקה הזה משמש לאחר מכן לכוונון מתמשך של מסנן בין-פס (band-pass) המוטמע על אות הרטט, כך שהמסנן תמיד עוקב אחרי טוני ה mesh של השיניים המשתנים שבהם מרוכזת המידע על הליקוי. לאחר סינון ממוקד זה, טריק מתמטי הנקרא ניתוח מעטפת (envelope analysis) מבודד את דפוסי ההשפעה החוזרים שנוצרים כאשר שן פגומה פוגעת בשותפתה, והופך רישום רטט מבולגן לתמונה ברורה יותר של מצב הגיר. הלולאה — החלקת מהירות, סינון דינמי וחילוץ מעטפת — פועלת כיחידה שכולה תומכת בשלבים הבאים במקום לפעול בבידוד.

מיזוג רמזים רבים לתמונה אחת

האזנה טובה היא רק חצי מהאתגר; החצי השני הוא לפרש את מה שנשמע. הצוות אסף אותות משני חיישני רטט המותקנים בזווית ישרה על מעטפת הגיר, לצד מהירות הסיבוב, באמצעות ספסל בדיקה של גיר פלנטרי פתוח המדמה מערכת הנעה של טורבינת רוח. הם בחנו חמישה מצבי גיר, החל משיניים בריאות ועד שיניים שבורות, נשחקות, סדוקות וחסרות, והפעילו את המערכת בשמונה מהירויות שונות. מתוך אותות אלה חילצו סט עשיר של מדידות: סטטיסטיקות פשוטות כגון ממוצעים ושיאים, כיצד האנרגיה מתפזרת בתדרים שונים, מדדי אנרגיה מתוחכמים יותר באמצעות wavelet packet שתופסים התפרצויות קצרות, וחתימות ספציפיות לגיר הקשורות לאופן שבו השיניים משתלבות.

לימוד האלגוריתם להפריד בין סוגי ליקויים

במקום להזין את כל המדידות הגולמיות האלו ישירות לממיין, המחברים השתמשו בשיטה מפוקחת לצמצום מימדיות בשם ניתוח ליניארי מפלג (Linear Discriminant Analysis). במילים פשוטות, שלב זה מקרין את התכונות הרבות למערכת קטנה של תכונות משולבות שנבחרו כדי להרחיק סוגי ליקוי שונים אחד מהשני תוך שמירה על דגימות מאותו סוג קרובות זו לזו. גישה זו משתמשת בנהלי ידע על התוויות האמיתיות של הליקויים בזמן האימון, בניגוד לכלים בלתי-מונחים פופולריים המבקשים רק דפוסי שונות כללית. המחקר מראה ששלב זה מבדיל את הבעיות בגלגלי השיניים הרבה יותר בבירור במרחב התכונות המופחת מאשר שיטות מתחרות. לאחר מכן מאומנים ארבעה מודלים שונים של למידת מכונה — SVM, k-NN, Random Forest ו-Naive Bayes — לזהות את קטגוריות הליקוי.

ריבוי מודלים עדיף על אחד

כדי לא להסתמך על המגבלות של אלגוריתם יחיד, המחברים משלבים את ארבעת המודלים הללו לאנsemble/"אנצמבל" שמצביע על האבחנה הסופית. הקול של כל מודל משוקלל לפי הדיוק שהפגין בנתוני אימות, כך שמבצעים טובים יותר נושאים השפעה מעט גדולה יותר. בדיקה על מערך נתוני הגיר הפלנטרי הראתה שהצינור המלא — עיבוד מקדים בלולאה סגורה, מיזוג מאפיינים מריבוי אותות, צמצום ממדיות מפוקח ואנסמבל משוקלל — השיג כ-98.8% זיהוי נכון של חמשת מצבי הגיר בתנאי מהירות משתנים. זה עלה על שימוש בכל מקור אות יחיד, שימוש בממיין אחד בלבד או אפילו שני מודלי דיפ-לרנינג נפוצים, ובו בזמן נשאר שקוף יותר לגבי אילו תכונות פיזיקליות מניעות את ההחלטה.

מה משמעות הדבר עבור אנרגיית רוח

במונחים יומיומיים, המחקר מציע סטטוסקופ אמין יותר לטורבינות רוח. על-ידי ניקוי ושילוב של כמה סוגי נתוני חיישן ובהמשך מתן אפשרות למספר אלגוריתמי למידה להסכים על פסק-דין, השיטה יכולה לזהות נזק עדין בגלגלי השיניים מוקדם ובדיוק, גם כאשר מהירות הטורבינה משתנה כל הזמן עם הרוח. זה יכול להקטין השבתות בלתי צפויות, לצמצם עלויות תחזוקה ולהפוך את אנרגיית הרוח לאמינה יותר. בעוד שהעבודה הוצגה על ספסל בדיקה מסוים, המחברים מציעים שהאותן רעיונות של לולאה סגורה ומיזוג יכולים להיות מותאמים לפארקי רוח אמיתיים ולמכונות מסתובבות אחרות, ולהביא יותר אינטליגנציה לצי העולמי המתרחב של מערכות אנרגיה נקייה.

ציטוט: Kang, X., Shao, L. & Zhao, B. Gear fault diagnosis of wind turbine drivetrains using multi-source information fusion and ensemble learning in a simulation bench study. Sci Rep 16, 11321 (2026). https://doi.org/10.1038/s41598-026-41117-x

מילות מפתח: גיר טורבינת רוח, אבחון ליקוי בגלגל שיניים, ניטור מצב, מיזוג מולטי-חיישנים, למידת מכונה