Сотрудники Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ создали метод, позволяющий автоматически выявлять неисправности в трёхфазных асинхронных двигателях. Точность определения наличия поломки составляет 99%, классификации типа неисправности — 86%. Разработка запатентована до 2044 года, результаты опуликованы в журнале Engineering Applications of Artificial Intelligence.
Трёхфазные асинхронные двигатели широко используются в промышленности: они приводят в действие насосы, компрессоры, конвейеры и вентиляционные системы на металлургических заводах, объектах водоснабжения и автомобильных производствах. Выход такого оборудования из строя может привести к остановке производственных линий и значительным экономическим потерям.
Традиционный подход к диагностике основан на анализе сигнала электрического тока, потребляемого двигателем. Специалисты вручную исследуют частотный спектр, выявляя характерные признаки неисправностей. Процесс требует высокой квалификации, сложной настройки оборудования и значительных временных затрат. Альтернативный вариант — использование алгоритмов машинного обучения — сталкивается с отсутствием достаточного количества сведений о реальных поломках, необходимых для обучения нейросетей.
Нейросеть получает искусственные, но реалистичные примеры поломок и учится их распознавать. При этом наш метод опирается на физические законы работы двигателя и не требует сложных компьютерных моделей или экспериментов с реальными неисправностями оборудования.
Разработанный подход получил название Signature-Guided Data Augmentation (SGDA). Эффективность метода подтверждена в ходе испытаний на двух двигателях. Метод может применяться для двигателей с различными техническими характеристиками. Для настройки системы достаточно записать сигнал работы конкретного агрегата в штатном режиме. Раннее выявление неисправностей позволяет снизить затраты на ремонт, сократить время простоев и повысить безопасность производства.
