Ученые научились предсказывать технические неполадки

Ученые научились предсказывать технические неполадки

Новая самообучающаяся интеллектуальная система для предсказания технических сбоев может применяться на самолетах, беспилотниках, роботах и заводских конвейерах

Ученые Самарского национального исследовательского университета
имени академика С.П.Королёва создали интеллектуальный комплекс,
способный предсказывать технические сбои, неполадки и отказы в
работе сложных технических систем.

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 надежность 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, —
рассказал начальник научно-исследовательской
части Самарского университета, доцент кафедры эксплуатации
авиационной техники Альберт Гареев. — 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».

По словам Гареева, уникальность изобретенного учеными 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»,
закрепленным 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.

Ученым удалось сделать комплекс предсказательной диагностики
достаточно компактным, дешевым 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
устройство даже в воздухе, например, на беспилотных летательных
аппаратах. Может пригодиться комплекс и человекоподобным роботам.

«Что дает нам эта разработка: мы можем для любого
технологического комплекса сделать свою индивидуальную
диагностическую систему и это позволит снизить финансовые потери
от возможного простоя оборудования. То есть, когда вы знаете, что
на конвейере такой-то насос находится в предотказном состоянии,
то вы сможете подключить резервную линию, не останавливая
производство, а этот насос оперативно заменить или
отремонтировать, причем у вас уже будет конкретная рекомендация
от нашей системы, что надо снять вот такой-то агрегат и открутить
такой-то золотник,
- сказал Гареев. — На практике наша
система в первую очередь, конечно же, ориентирована на
использование на предприятиях, прежде всего в автомобильной и
авиационной промышленности, на конвейерах, в многокоординатных
станках, антропоморфных разработках, роботах. Но комплекс также
можно использовать в авиационной технике — например, на
беспилотных летательных аппаратах и самолетах».

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

 

Источник: scientificrussia.ru