A distributed stress wave analysis system is disclosed for detecting structure borne sounds cause by friction. The detected information is processed using feature extraction and neural network artificial intelligence software. The system consists of stress wave sensors, interconnect cables, and preferably three modules: (1) distributed processing units, (2) maintenance advisory panel, and (3) laptop computer. A derived stress wave pulse train which is independent of background levels of vibration and audible noise is used to extract signature features, which when processed by neural networks of polynomial equations, characterize the mechanical health of the monitored components. The system includes an adjustable data fusion architecture to optimize indication thresholds, maximize fault detection probability, and minimize false alarms.

Ένα διανεμημένο σύστημα ανάλυσης κυμάτων πίεσης αποκαλύπτεται για την ανίχνευση της μεταδιδόμενης δια στερεών ουσιών αιτίας ήχων από την τριβή. Οι ανιχνευμένες πληροφορίες υποβάλλονται σε επεξεργασία χρησιμοποιώντας την εξαγωγή χαρακτηριστικών γνωρισμάτων λογισμικό και το νευρικό δικτύων τεχνητής νοημοσύνης. Το σύστημα αποτελείται από τους αισθητήρες κυμάτων πίεσης, διασυνδέει καλώδια, και κατά προτίμηση τρεις ενότητες: (1) διανεμημένες μονάδες επεξεργασίας, (2) συμβουλευτική επιτροπή συντήρησης, και (3) υπολογιστής lap-top. Ένα παραγόμενο τραίνο σφυγμού κυμάτων πίεσης που είναι ανεξάρτητο από τα επίπεδα υποβάθρου δόνησης και ευδιάκριτου θορύβου χρησιμοποιείται για να εξαγάγει τα χαρακτηριστικά γνωρίσματα υπογραφών, τα οποία όταν υποβάλλονται σε επεξεργασία από τα νευρικά δίκτυα των πολυωνυμικών εξισώσεων, χαρακτηρίζουν τη μηχανική υγεία των ελεγχόμενων συστατικών. Το σύστημα περιλαμβάνει μια διευθετήσιμη αρχιτεκτονική τήξης στοιχείων για να βελτιστοποιήσει τα κατώτατα όρια ένδειξης, να μεγιστοποιήσει την πιθανότητα ανίχνευσης ελαττωμάτων, και να ελαχιστοποιήσει τους ψεύτικους συναγερμούς.