Ученые Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали метод, позволяющий с высокой точностью выявлять неисправности промышленных двигателей. Технология получила название Signature-Guided Data Augmentation (SGDA). Об этом "Газете.Ru" сообщили в пресс-службе образовательного учреждения.
Трехфазные асинхронные двигатели широко используются в промышленности — они приводят в движение насосы, компрессоры, конвейеры и вентиляционные системы. Даже незначительная поломка может остановить производство и привести к серьезным убыткам.
Сегодня диагностика таких двигателей основана на анализе электрического тока: специалисты вручную изучают частотные характеристики сигнала и ищут признаки неисправностей. Этот процесс требует высокой квалификации и занимает много времени.
Использование машинного обучения могло бы ускорить диагностику, однако для обучения алгоритмов нужны данные о реальных поломках, которых в промышленности обычно недостаточно.
Команда исследователей ВШЭ — Артем Рыжиков, Сараа Али, Александр Хижик, Степан Свирин и Денис Деркач — предложила решение этой проблемы. Они разработали метод, который позволяет генерировать искусственные, но реалистичные примеры неисправностей прямо в сигнале исправного двигателя.
"Нейросеть получает искусственные, но реалистичные примеры поломок и учится их распознавать. При этом наш метод опирается на физические законы работы двигателя и не требует сложных моделей или экспериментов с реальными неисправностями", — отметил заведующий научно-учебной лабораторией методов анализа больших данных Института ИИ и ЦН ВШЭ Денис Деркач.
Алгоритм добавляет в сигнал характерные частоты, соответствующие различным типам поломок. Это позволяет обучить нейросеть автоматически распознавать дефекты и отказаться от трудоемкого ручного анализа.
Метод протестировали на данных двух двигателей. В задаче определения наличия неисправности точность достигла 99%, а при классификации типов поломок — 86%.
"Мы обучаем систему на данных нормальной работы двигателя, а затем получаем инструмент для поиска неисправностей. Это особенно важно для предприятий, у которых нет архивов аварийных данных", — пояснила аспирантка ФКН ВШЭ Сараа Али.
Разработка универсальна: для ее применения достаточно записать данные о нормальной работе конкретного двигателя, после чего система сможет выявлять отклонения.
Авторы считают, что технология позволит выявлять поломки на ранних стадиях, снижать затраты на ремонт и уменьшать простои оборудования. В дальнейшем ученые планируют протестировать метод в реальных производственных условиях.
Свежие комментарии