Трехфазные асинхронные двигатели приводят в действие насосы, компрессоры и конвейеры на заводах и в системах городского хозяйства. Выход из строя даже одного устройства может остановить производство и привести к убыткам. Сегодня инженеры ищут поломки, вручную анализируя частоты сигнала тока. Это требует высокой квалификации и занимает много времени.
Алгоритмы машинного обучения могли бы решить эту задачу быстрее, но для их обучения нужны данные о поведении оборудования при дефектах. В реальной промышленности таких данных почти нет. Исследователи ВШЭ предложили выход: алгоритм сам создает искусственные признаки поломок, добавляя в сигнал исправного двигателя специальные частоты.
Как пояснил заведующий Научно-учебной лабораторией методов анализа больших данных Института искусственного интеллекта и цифровых наук ФКН ВШЭ Денис Деркач, нейросеть получает для обучения синтетические, но физически корректные примеры дефектов. Метод опирается на законы работы двигателя и не требует создания сложных компьютерных моделей или проведения экспериментов с реальным сломанным оборудованием. Аспирантка факультета и соавтор работы Сараа Али добавила, что такой подход позволяет получить готовый инструмент диагностики, обучая систему только на данных нормальной работы.
Эффективность метода SGDA была проверена на данных двух различных двигателей. В задаче определения самого факта неисправности точность работы нейросети составила 99%. В более сложной задаче классификации типов поломок алгоритм показал точность 86%. Важной особенностью разработки является возможность ее адаптации для двигателей с разными характеристиками. Системе достаточно записать эталонный сигнал нормально работающего агрегата, после чего она сможет автоматически отслеживать отклонения.
Применение этой технологии в перспективе позволит перейти от планового ремонта к обслуживанию оборудования по фактическому состоянию. Выявляя неполадки на ранней стадии, можно предотвратить внезапные остановки производства, снизить затраты на ремонт и повысить общую безопасность промышленных объектов. В планах исследователей — дальнейшее тестирование метода на большем количестве двигателей и его апробация в реальных условиях на предприятиях.
Ранее в Перми предложили технологию плавного движения электромобилей и лифтов
