Развој на автономен сензор за собирање енергија од вибрации и негова примена во систем за следење на состојба на машини базиран на машинско учење

Носител на проектот: Универзитет „Св. Кирил и Методиј“ во Скопје, Машински факултет – Скопје

Главен истражувач: доц. д-р Симона Домазетовска Марковска (MФС)

Истражувачи: Проф. д-р Златко Петрески (МФС), Проф. д-р Виктор Гаврилоски (МФС), Доц. д-р Маја Аначкова (МФС), Доц. д-р Дејан Шишковски (МФС), Асс. д-р Анастасија Анѓушева Игњатовска (МФС), Асс. м-р Дамјан Пециоски (МФС), Асс. д-р Бодан Велковски (ФЕИТ), Асс. м-р Стефан Андонов (ФИНКИ), Доц. д-р Апостолус Граматикополус (TU Delft, Холандија).

Времетраење: 16 месеци (2025–2026 година)

Вкупна вредност: 8.000.000 денари

Начин на финансирање: Проектот е финансиран од Министерството за образование и наука (МОН) на Република Северна Македонија, врз основа на спроведен конкурс за финансирање научноистражувачки проекти.

Резиме на проектот

Проектот „Развој на автономен сензор за собирање енергија од вибрации и негова примена во систем за следење на состојба на машини базиран на машинско учење“ опфаќа истражување, развој и експериментална валидација на интелигентен систем за следење на состојбата на машините. Основата на системот е автономен сензор кој ја користи енергијата од механичките вибрации, комбинирајќи пиезоелектричен и електромагнетен механизам за собирање енергија, со алгоритми за машинско учење за автоматско препознавање и дијагностика на дефекти кај ротирачки машински системи.

Истражувањето ги интегрира механичкото моделирање, енергетската конверзија, сензорите, безжичниот пренос на податоци и интелигентната анализа на вибрациите. Со развојот и експерименталното тестирање на прототипот се испитуваат можностите за автономно напојување на сензорите и за примена на методи базирани на машинско учење за сигурно следење на работната состојба на машините.

Во реализацијата на проектот учествуваа вкупно 10 истражувачи од Машинскиот факултет – Скопје, Факултетот за електротехника и информациски технологии (ФЕИТ) и Факултетот за информатички науки и компјутерско инженерство (ФИНКИ) при при Универзитетот „Св. Кирил и Методиј“ во Скопје, како и странски истражувач од Технолошкиот универзитет во Делфт (TU Delft), Холандија.

Проектот придонесува кон развојот на енергетски ефикасни и интелигентни решенија за мониторинг и дијагностика на машински системи, со потенцијал за примена во современите индустриски системи за предиктивно одржување.

Цели на проектот

Главните цели на проектот беа:

• Развој на интелигентен систем за вибро-дијагностика на машински системи со примена на алгоритми за машинско учење.
• Истражување и развој на хибриден систем за собирање енергија од механички вибрации, со цел автономно напојување на сензор.
• Развој и експериментална евалуација на интегриран систем за следење на состојбата на машините, со автономен сензор, безжичен пренос на податоци и автоматско препознавање дефекти.

Резултати од проектот

Во рамките на проектот беа реализирани сите планирани истражувачки активности. Беа развиени и експериментално испитани модели за автоматска класификација на дефекти кај ротирачки машини, при што најуспешниот комбиниран модел за машинско учење постигна точност од 98,31 %.

Беше развиен и тестиран хибриден систем за собирање енергија од вибрации, кој ги комбинира пиезоелектричниот и електромагнетниот ефект. Изработениот автономен сензорски систем овозможува мерење на вибрациите, складирање на добиената енергија и безжичен пренос на податоците. Експерименталната валидација со професионална мерна опрема потврди висока сличност на измерените сигнали и практична применливост на развиеното решение.

Дополнително, беше изработена веб-платформа mehatronika.mk, преку која се достапни информации за проектот, податоци и алатки за анализа и визуелизација на вибрационите сигнали.

Научните резултати беа дисеминирани преку пет научни трудови објавени во меѓународни научни списанија, како и осум трудови презентирани на шест меѓународни конференции. Дел од објавените трудови се:

1. Shishkovski, D. et al. (2026). A Multimodal Hybrid Piezoelectric–Electromagnetic Vibration Energy Harvester Exploiting the First and Second Resonance Modes for Broadband Low-Frequency Applications. Sensors, 26(7), 2092. DOI: 10.3390/s26072092
2. Ignjatovska, A. A. et al. (2026). Fault Diagnosis of Rotating Machinery Using Supervised Machine Learning Algorithms with Integrated Data-Driven and Physics-Informed Feature Sets. Sensors, 26(6), 1876. DOI: 10.3390/s26061876
3. Shishkovski, D. et al. (2026). Multiphysics Modeling and Energy-Dynamic Characterization of an Elastic Cantilever System with Integrated Piezoelectric and Electromagnetic Energy Harvesters. Journal of Vibroengineering, 28(6). DOI: 10.21595/jve.2026.25956
4. Angjusheva Ignjatovska, A. et al. (2026). A Framework for Automated Vibration-Based Fault Diagnostics of Rotating Machinery Using Supervised Machine Learning Algorithms. Journal of Vibroengineering. DOI: 10.21595/jve.2026.25912
5. Domazetovska Markovska, S. et al. (2025). Urban Sound Classification for IoT Devices in Smart City Infrastructures. Urban Science, 9(12), 517. DOI: 10.3390/urbansci9120517

Реализираниот проект претставува значаен придонес кон развојот на интелигентни и енергетски автономни сензорски системи. Добиените резултати создаваат основа за понатамошни истражувања и примена на напредни технологии за предиктивно одржување, намалување на непланираните прекини и зголемување на сигурноста и ефикасноста на индустриските машини.