федеральное государственное автономное образовательное учреждение высшего образования
«Самарский национальный исследовательский университет имени академика С.П. Королева»

Свежие новости

События

Самарские ученые разработали систему предсказания технических неполадок

Самарские ученые разработали систему предсказания технических неполадок

Самарский университет

Компактная самообучающаяся интеллектуальная система может применяться на самолетах, беспилотниках, роботах и заводских конвейерах

институт авиационной техники кафедра эксплуатации авиационной техники Гареев Альберт Наука Исследования разработки искусственный интеллект Институт искусственного интеллекта
29.07.2020 2021-08-13

Ученые 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, еще 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 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.

Чтобы обучить эту нейросетевую программу, ученые 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%.

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 "предсказателя неполадок" не только на земле, на промышленных предприятиях, но и 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.

Фото: pixabay.com