Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
Трехфазные асинхронные двигатели — основа современной промышленности. Они приводят в движение насосы, компрессоры, конвейеры и вентиляторы — например, на металлургических заводах, в системах водоснабжения городов или на конвейерах автомобильных заводов. Поэтому даже небольшая поломка может остановить производство и привести к большим убыткам.
Сегодня инженеры ищут неисправности по сигналу электрического тока, который потребляет двигатель. Они анализируют его частоты и вручную определяют характерные признаки поломок. Но такой подход требует сложной настройки и большого опыта: специалисту нужно долго разбирать сигнал, выделять нужные частоты и проверять разные параметры двигателя. Это трудоемкий и довольно медленный процесс.
Есть и другой подход — использовать алгоритмы машинного обучения. Однако для их обучения нужны данные о том, как ведут себя двигатели при поломках. В реальной промышленности таких данных почти нет, поэтому алгоритмам просто не хватает примеров, на которых они могли бы учиться.
Команда исследователей факультета компьютерных наук ВШЭ (Артём Рыжиков, Сараа Али, Александр Хижик, Степан Свирин и Денис Деркач) предложила решение этой проблемы. Они научили алгоритм создавать искусственные поломки в сигнале исправного двигателя. Для этого в сигнал добавляют специальные частоты — такие же, какие появляются при настоящих неисправностях.
Благодаря этому нейросеть может обучаться распознавать дефекты автоматически. В результате долгий ручной поиск поломок по частотам можно заменить быстрой автоматической диагностикой, которая к тому же работает почти со стопроцентной точностью.
Денис Деркач
«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 компьютерных моделей или экспериментов с реальными неисправностями оборудования», — объяснил один из авторов исследования, заведующий Научно-учебной лаборатория методов анализа больших данных лаборатории Института искусственного интеллекта и цифровых наук ФКН ВШЭ Денис Деркач.
Разработка ученых Вышки получила название Signature-Guided Data Augmentation (SGDA). Ее проверили на данных двух двигателей. В задаче, в которой определялось, исправен двигатель или нет, точность достигла 99%. В более сложной задаче, где нужно было различать разные типы неисправностей, точность составила 86%.
Сараа Али
«Мы обучаем систему на данных нормальной работы двигателя, а затем получаем полноценный инструмент для поиска неисправностей. Такой подход особенно полезен для предприятий, у которых нет архивов аварийных данных и опыта работы с поломками оборудования», — отметила аспирантка ФКН ВШЭ Сараа Али, один из авторов исследования.
Выгодная особенность созданного учеными метода в том, что его можно использовать для двигателей с абсолютно разными параметрами. Достаточно записать в компьютере, как конкретный двигатель работает в нормальном режиме, и система сможет замечать отклонения.
Разработка поможет определять неисправности заранее, еще до того, как оборудование выйдет из строя. Это позволит снизить расходы на ремонт, уменьшить простои и сделать производство безопаснее. В будущем ученые планируют проверить метод на большем количестве двигателей и протестировать его в реальных условиях на предприятиях.
Исследование выполнено при поддержке гранта для исследовательских центров в области искусственного интеллекта, предоставленного Минэкономразвития России. Разработка получила официальный патент до 2044 года.
Свирин Степан Дмитриевич
Вам также может быть интересно:
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.
Нейросеть НИУ ВШЭ iFORA.LLM включена в Реестр российского программного обеспечения
Адаптированная большая языковая модель для сферы науки, технологий и инноваций (далее — iFORA.LLM, модель), разработанная экспертами Института статистических исследований и экономики знаний НИУ ВШЭ, включена в Реестр российского ПО. Модель создана для эффективного анализа массивов научно-технической информации — от поиска релевантных публикаций до оценки технологических трендов и формирования аналитических отчетов.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
Студенты МИЭМ ВШЭ разработают два спутника собственной конструкции для орбитальных экспериментов
Аппараты, созданные студенческими командами, проведут в условиях космоса исследования свойств перспективных солнечных элементов, бортовых систем накопления энергии и серийной электроники для студенческих спутников.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
«Защищать конкуренцию от ИИ нам придется с помощью самого искусственного интеллекта»
В НИУ ВШЭ прошел двухдневный семинар «Искусственный интеллект и конкурентная политика в странах БРИКС». Его участники обсудили две ключевые для конкурентной политики темы: трансформация конкуренции и рынков под влиянием технологий ИИ и усилени е регуляторного потенциала антимонопольных органов за счет технологий искусственного интеллекта.
В НИУ ВШЭ создали базу данных по производственным цепочкам мирового ВПК
Институт мировой военной экономики и стратегии (ИМВЭС) НИУ ВШЭ разработал новый аналитический инструмент для изучения оборонной промышленности зарубежных стран. База данных «Производственные цепочки мирового ВПК» показывает взаимосвязи между производителями на разных уровнях — от конечных систем до комплектующих.
Институт робототехнических систем ВШЭ запустил научно-технический семинар
Институт робототехнических систем (ИРС) ВШЭ запустил новый ежемесячный формат — Научно-технический семинар. Он объединяет сотрудников института, приглашенных экспертов, студентов, исследователей и представителей других подразделений НИУ ВШЭ для обсуждения актуальных задач мехатроники, робототехники и киберфизических систем.
В НИУ ВШЭ разработали сервис обезличивания табличных данных для безопасного использования в ИИ-системах
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал сервис обезличивания табличных данных, предназначенный для подготовки корпоративных данных к использованию в аналитических и ИИ-сервисах. Решение позволяет выявлять персональные данные в структурированных наборах, применять к ним воспроизводимые правила обезличивания и формировать артефакты, необходимые для контроля качества, аудита и последующего использования данных в защищенных контурах.
«Дни компьютерных наук год от года становятся масштабнее, и это отражает развитие ФКН»
Прошедший недавно в корпусе НИУ ВШЭ на Покровке фестиваль «Дни компьютерных наук» (ДКН) стал главной точкой притяжения для всех, кто интересуется технологиями. Событие, организованное факультетом компьютерных наук (ФКН) Вышки совместно с партнерами, собрало около трех тысяч участников: студентов, абитуриентов, выпускников, преподавателей и экспертов индустрии.