Дата публикации: 03 августа 2020 г. #ВУЗ В Самарском государственном университете разработали систему предсказания технических неполадокУченые Самарского национального исследовательского университета имени академика С.П. Королёва создали интеллектуальный диагностический комплекс, который заранее предупреждает о технических сбоях, неполадках и отказах в работе сложных технических систем. 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. В настоящее время ведутся переговоры с рядом предприятий по возможности внедрения данной разработки. Источник: ssau.ru
Популярные издания ФГБНУ «Аналитический центр»
Издания 2019 года
Издания 2018 года
открыть полный список изданий Центра → Документ был изменён 11.11.2019 в 10:50. |
Поиск данных
об аттестации педагогических работников Издания Центра
|