Empleados del Instituto de Inteligencia Artificial y Ciencias Digitales de la Facultad de Ciencias de la Computación de la HSE University crearon un método que permite detectar automáticamente fallas en motores asíncronos trifásicos. La precisión para determinar la presencia de una avería es del 99%, y la de clasificación del tipo de falla es del 86%. El desarrollo está patentado hasta 2044, y los resultados fueron publicados en la revista Engineering Applications of Artificial Intelligence.
Los motores asíncronos trifásicos se utilizan ampliamente en la industria: accionan bombas, compresores, cintas transportadoras y sistemas de ventilación en plantas metalúrgicas, instalaciones de suministro de agua y producciones automotrices. La avería de este tipo de equipos puede provocar la detención de líneas de producción y pérdidas económicas significativas.
El enfoque tradicional del diagnóstico se basa en el análisis de la señal de corriente eléctrica consumida por el motor. Los especialistas estudian manualmente el espectro de frecuencias, identificando signos característicos de fallas. El proceso requiere alta cualificación, una compleja configuración del equipo y una inversión considerable de tiempo. Una alternativa, el uso de algoritmos de aprendizaje automático, se enfrenta a la falta de una cantidad suficiente de datos sobre averías reales, necesarios para entrenar redes neuronales.
La red neuronal recibe ejemplos artificiales, pero realistas, de averías y aprende a reconocerlos. Al mismo tiempo, nuestro método se basa en las leyes físicas del funcionamiento del motor y no requiere modelos informáticos complejos ni experimentos con fallas reales del equipo.
El enfoque desarrollado recibió el nombre de Signature-Guided Data Augmentation (SGDA). La eficacia del método fue confirmada durante pruebas en dos motores. El método puede aplicarse a motores con distintas características técnicas. Para configurar el sistema, basta con registrar la señal de funcionamiento de una unidad concreta en modo normal. La detección temprana de fallas permite reducir los costos de reparación, acortar los tiempos de inactividad y aumentar la seguridad de la producción.
Leer más sobre este tema:
- Los drones recibirán una IA ultrarrápida: se crea un nuevo tipo de redes neuronales
- Crean en RTU MIREA una red neuronal que "resucitará" iconos antiguos
- El Russian Ministry of Defence patentó un dron terrestre con red neuronal, capaz de operar sin operador bajo guerra electrónica