Выдающееся достижение продемонстрировали специалисты Самарского национального исследовательского университета имени академика С.П. Королёва. Их усовершенствованный диагностический комплекс демонстрирует феноменальную точность в прогнозировании технических неполадок, превышающую 99%. Инновационная разработка успешно прошла испытания и получила признание в престижном международном издании Sensors.
«Мы создали революционную нейросетевую архитектуру для выявления технических аномалий, работая в тесном сотрудничестве с Институтом акустики машин. Наши эксперименты убедительно доказали беспрецедентную точность системы — свыше 99% верных прогнозов состояния оборудования, — делится достижениями Евгений Минаев, ведущий научный сотрудник Института искусственного интеллекта университета. — Инновационная архитектура отличается впечатляющей адаптивностью и масштабируемостью в определении неисправностей. Особенно важно, что для полноценного обучения теперь достаточно всего 0,2% реальных данных, а остальное генерируется цифровым двойником. Это радикально оптимизирует затраты на внедрение системы».
Примечательно, что революционное улучшение производительности достигнуто без существенных изменений аппаратной части. В духе открытой науки разработчики обеспечили свободный доступ к программному коду своего изобретения.
«Мы гордимся тем, что при всей мощности новой архитектуры она остается исключительно экономичной в плане требований к оборудованию. Фактически, наше решение оказалось самым эффективным среди аналогов по соотношению производительности и ресурсоемкости. Более того, мы сделали код и наборы данных общедоступными для мирового научного сообщества, что открывает широкие возможности для взаимного обогащения идеями», — подчеркивает Евгений Минаев.
История проекта началась в 2020 году, когда команда университета представила первый прототип умной системы раннего предупреждения технических сбоев. В основе разработки лежат передовые технологии глубокого обучения, позволяющие системе постоянно совершенствоваться и своевременно выявлять потенциальные неисправности.
Инновационность метода заключается в интеллектуальном анализе «динамических портретов» оборудования. Система непрерывно сопоставляет текущие показания датчиков с эталонными характеристиками, хранящимися в базе данных. Малейшие отклонения — будь то изменения давления, температуры или расхода ресурсов — тщательно анализируются нейросетью для оценки вероятности возникновения неполадок.
Перспективы применения технологии впечатляют. Уже сегодня система готова повысить безопасность промышленного оборудования, беспилотных аппаратов и автомобилей, а в будущем может стать ключевым элементом обеспечения надежности авиаперевозок.
«Мы не останавливаемся на достигнутом. Следующий этап — разработка комплексного программно-аппаратного решения на базе специализированного нейропроцессора. Над этим амбициозным проектом работают совместно наши специалисты из факультета электроники и приборостроения и Института искусственного интеллекта», — делится планами Артем Никоноров, директор Института искусственного интеллекта.
