System diagnostyczny dla łożysk wykorzystujący sztuczną

System diagnostyczny dla łożysk wykorzystujący sztuczną inteligencję

Identyfikator grantu: PT01155

Kierownik projektu: Łukasz Breńkacz

Realizatorzy:

  • Łukasz Breńkacz

Instytut Maszyn Przepływowych PAN w Gdańsku

Gdańsk

Data otwarcia: 2024-04-05

Planowana data zakończenia grantu: 2027-04-05

Streszczenie projektu

W ramach projektu zaplanowano opracowanie innowacyjnego, zintegrowanego systemu diagnostycznego dla łożysk foliowych, opartego na zaawansowanych algorytmach sztucznej inteligencji (AI). Skupienie się na łożyskach foliowych wynika z ich rosnącego zastosowania w przemyśle lotniczym, energetycznym oraz w zaawansowanych systemach mechanicznych, gdzie niezawodność i efektywność są kluczowe. Głównym celem projektu jest stworzenie systemu, który nie tylko monitoruje i diagnozuje stan techniczny łożysk w czasie rzeczywistym, ale również jest w stanie przewidywać potencjalne awarie przed ich wystąpieniem, aby zoptymalizować ich wydajność i przedłużyć żywotność. Projekt zakłada integrację danych z wielu czujników, w tym z akcelerometrów, czujników temperatury oraz przemieszczenia. Zastosowanie AI umożliwi identyfikację subtelnych wzorców i anomalii w danych, które mogą wskazywać na wczesne stadia zużycia czy uszkodzenia łożysk.
Wyniki te zostaną wykorzystane do opracowania adaptacyjnych modeli predykcyjnych, które będą podstawą dla systemu rekomendacji działań prewencyjnych i korekcyjnych. Realizacja projektu przewidziana jest w kilku etapach, począwszy od badań laboratoryjnych na stanowiskach testowych, przez rozwój i trening modeli AI, aż po wdrożenie prototypu systemu w wybranych aplikacjach przemysłowych. Oczekuje się, że opracowany system znacząco przyczyni się do poprawy niezawodności i efektywności eksploatacji łożysk, oferując jednocześnie nowe możliwości w zakresie ich diagnostyki i utrzymania. Projekt ma potencjał stania się przełomowym w dziedzinie diagnostyki maszyn, wprowadzając nową jakość w monitorowaniu i zarządzaniu stanem łożysk foliowych za pomocą technologii sztucznej inteligencji.

Publikacje

  1. Marta Drosińska-Komor, Jerzy Głuch, Łukasz Breńkacz, Natalia Ziółkowska, Michał Piotrowicz, Paweł Ziółkowski, Advanced genetic algorithm-based signal processing for multi-degradation detection in steam turbines, Mechanical Systems and Signal Processing 224, (2025) 112166
  2. Beata Zima, Łukasz Breńkacz, Guided wave propagation in debonding detection in CFRP-reinforced steel plate-like structures, Ocean Engineering 298, (2024) 117215

Kontakt

ul Traugutta 75, 80-221 Gdańsk
tel.: + 48 58 347 24 11
email: office@task.gda.pl
NIP: 584-020-35-93
REGON: 000001620
Godziny otwarcia: pn-pt godz. 8:00-15:00