29.03.2024
Подписывайтесь на Telegram-канал по ссылке

Система на базе нейросети предскажет технические неполадки

Самолёт

Учёные Самарского национального исследовательского университета имени академика С.П.Королёва создали интеллектуальный диагностический комплекс, способный предсказывать технические сбои, неполадки и отказы в работе сложных технических систем, предупреждая о них заранее, ещё до того, как они произойдут.

По замыслу разработчиков, в перспективе подобные решения могут использоваться для повышения безопасности авиационных перевозок, но уже сейчас полученные характеристики позволяют применять их в промышленности, в беспилотных летательных аппаратах и автомобилях. Ими создан прототип устройства для диагностики технологического оборудования на производстве, который способен повысить надёжность и безопасность действующих технологических линий, уменьшить вероятность простоев на промышленных предприятиях, предотвращая внезапные отказы оборудования.

«Мы разработали концепцию комплекса предсказательной диагностики технологического оборудования и эта концепция реализована нами на практике — созданы прототип комплекса и его аппаратные модули, сформирована база данных по типовым отказам и неполадкам. Самое главное здесь — новый принцип: в нашей разработке задействован нейросетевой базис, то есть, используется технология глубокого машинного обучения. В результате создан, по сути, уникальный программный продукт, который в процессе работы самообучается и, диагностируя состояние техники, сообщает человеку, какой элемент той или иной системы находится в предотказном состоянии и может вскоре выйти из строя», — рассказал начальник научно-исследовательской части Самарского университета, доцент кафедры эксплуатации авиационной техники Альберт Гареев.

По словам Гареева, уникальность изобретенного учёными метода диагностики заключается в программном сопоставлении так называемых «динамических портретов» узлов и систем: реальное, актуальное состояние оборудования, данные о котором собираются с помощью набора датчиков, в процессе работы постоянно сравнивается с идеальным состоянием техники — «идеальным портретом», закреплённым в базе данных программы. Комплекс выявляет отклонения от этого «идеального портрета» — например, это могут быть изменения в показателях давления в маслосистеме, разница в уровнях температуры или расходе топлива, причем показатели фиксируются на каждом участке узла или системы, после чего нейросетевая программа на основе выработанных в ходе машинного обучения алгоритмов принимает решение о вероятности возникновения неполадки.

Чтобы обучить эту нейросетевую программу, учёные создали имитационные модели на базе немецкого программного пакета StimulationX, затем комплекс прошел дополнительное обучение в ходе экспериментов на стенде. В качестве пробного объекта диагностики использовалась собранная на стенде гидравлическая система вертолетов семейства «Ми». Стенд имитировал утечку рабочей жидкости и газа гидравлической системы, изменения в частоте вращения насоса, повышение температуры и давления, а также различные действия пилота вертолета. Результаты показали, что нейросетевая система в ходе диагностирования может в буквальном смысле эволюционировать, постепенно обучаясь и набираясь опыта на практике, словно человек. Точность обнаружения неисправностей по результатам экспериментов достигла 98%.

Учёным удалось сделать комплекс предсказательной диагностики достаточно компактным, дешёвым и энергоэффективным — аппаратная платформа комплекса (без датчиков) выполнена на базе мобильного нейропроцессора с энергопотреблением 5-10 Вт и стоимостью порядка 9 тысяч рублей. Плата с процессором сравнима по размерам с обычным смартфоном. Такие характеристики позволяют применять «предсказателя неполадок» не только на земле, на промышленных предприятиях, но и в воздухе, например, на беспилотных летательных аппаратах. Может пригодиться комплекс и человекоподобным роботам.

В настоящее время ведутся переговоры с рядом предприятий по возможности внедрения данной разработки.

Ссылка на источник.