ЧЕЛЯБИНСК, 24 декабря. /ТАСС/. Ученые Южно-Уральского государственного университета (ЮУрГУ) создали первую в России программу с искусственным интеллектом, которая предотвращает ложные срабатывания диагностических датчиков на фабриках. Она заранее учитывает и отсекает риски, связанные с качеством установки измерительной аппаратуры, сообщил ТАСС сотрудник НИЛ технической самодиагностики и самоконтроля приборов и систем ЮУрГУ Дмитрий Галышев.

"Созданная программа является первой в России, на нее получен соответствующий патент. Это программное решение на основе каскадной нейронной сети, которое повышает уровень надежности вибродиагностики. Новый метод, в отличие от классических, позволяет отличить реальные неисправности вращающихся механизмов от искажений, вызванных неправильной установкой датчиков, что критически важно для предотвращения внеплановых остановок на непрерывных производствах", - сказал собеседник агентства.

Он пояснил, что вибродиагностика (неинвазивный метод оценки состояния оборудования) сегодня широко применяется в металлургии, автомобилестроении и на пищевых конвейерных производствах. Особое внимание уделяется диагностике подшипников, так как они являются наиболее уязвимым и критически важным компонентом оборудования. При этом традиционные алгоритмы анализа сигналов с датчиков вибрации могут оказаться бесполезными, если сам датчик установлен с ошибкой или его крепление со временем ослабло. Полученные в таком случае искаженные сигналы либо не выявляют реальных дефектов, либо генерируют множество ложных срабатываний.

"Наша разработка имеет в своей основе каскад из двух последовательных нейронных сетей. Эта архитектура действует как интеллектуальный фильтр для основной системы диагностики. Первый уровень каскада проверяет, является ли поступающий сигнал нормальным, если модель фиксирует аномалию, то сигнал перестает считаться штатным и передается на следующий уровень. Второй уровень каскада определяет, вызвана ли обнаруженная аномалия неисправностью средства измерения (датчика)", - добавил собеседник агентства.

Ученый рассказал, что модель обучена распознавать характерные искажения, возникающие из-за плохого контакта, дополнительных шумов или других проблем с закреплением датчика.