Специалисты НИУ ВШЭ разработали универсальный метод диагностики двигателей, основанный на нейросети. Алгоритм выявляет неисправности с точностью 99%, обучаясь на реалистичных, но искусственно созданных данных без угрозы для оборудования.
Сотрудники Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ создали новаторский метод диагностики неисправностей промышленных двигателей. Нейросеть способна с точностью 99% выявлять наличие поломки и с точностью 86% классифицировать ее тип, говорится на сайте Десятилетия науки и технологий в России.
Данная технология поможет предприятиям сократить затраты на ремонт, уменьшить простои и повысить безопасность на производстве. Основой разработки является анализ электрического тока, который потребляет двигатель. Обычно инженеры вручную ищут неисправности, анализируя частоты сигнала, что требует высокой квалификации и занимает много времени. Современные алгоритмы машинного обучения не всегда эффективны, поскольку в промышленности редко накапливаются данные о реальных поломках.
Российские ученые предложили оригинальное решение: их алгоритм искусственно генерирует в сигнале исправного двигателя частоты, присущие различным неисправностям. Это позволяет нейросети обучаться на реалистичных примерах, не дожидаясь реальных аварий.
«Нейросеть получает искусственные, но реалистичные примеры поломок и учится их распознавать. При этом наш метод основан на физических принципах работы двигателя и не требует сложных компьютерных моделей или экспериментов с настоящими неисправностями оборудования», — объясняет один из авторов исследования, заведующий Научно-учебной лабораторией методов анализа больших данных лаборатории Института искусственного интеллекта и цифровых наук ФКН ВШЭ Денис Деркач.
Метод, получивший название Signature-Guided Data Augmentation (SGDA), был испытан на данных двух двигателей. В задаче обнаружения неисправности точность составила 99%, а в классификации типов поломок — 86%.
По словам ученых, основное преимущество разработки — универсальность. Систему можно использовать для двигателей с различными параметрами: достаточно зафиксировать, как конкретный двигатель работает в обычном режиме, и нейросеть сама обнаружит отклонения. Это позволит выявлять неисправности на ранней стадии и предотвращать аварии. В будущем ученые намерены протестировать метод на большем количестве двигателей и в реальных промышленный условиях.
Фото: hi-tech.mail.ru