Група дослідників з університету Алабами (University of Alabama), очолювана доктором Родріго Тейксейра (Dr. Rodrigo Teixeira), розробила алгоритми системи штучного інтелекту, що дозволяє проводити точну діагностику стану механічних систем будь-якого рівня складності. Під час перевірки працездатності цій системі були "згодовані" дані, як підготовлені за допомогою математичних моделей, так і отримані експериментальним шляхом з різних механічних пристроїв. І в обох випадках система продемонструвала точність визначення несправностей, яка не опускалася нижче позначки в 90 відсотків.
"Здатність вилучення актуальної та достовірної інформації з рівнів і частоти вібрації деталей і вузлів машин дозволить промисловим підприємствам набагато довше підтримувати своє обладнання в працездатному стані і витрачати менше коштів на його обслуговування" - розповідає доктор Тейксейра, - "Поки ця технологія знаходиться на етапі випробувань, але вже зараз ми досить точно можемо сказати, як добре вона буде працювати в реальних умовах".
Система працює шляхом пошуку вібрацій, що генеруються деталями машин,
такими як двигуни і коробки передач, і виявлення в цих вібраціях аномальних відхилень. Як повідомляє ecnmag.com, ці відхилення сигналізують про збільшення рівня зносу деталей і про швидку необхідність проведення технічного обслуговування, яке, в більшості випадків, може запобігти поломці механізму.
"Будь-яка машина тремтить і вібрує, але якщо вона починає вібрувати по-іншому, значить в ній щось працює не так як треба" - розповідає доктор Тейксейра, - "Якщо ви маєте можливість засікти несправність перш, ніж вона стане фатальною, ви може провести ремонт завчасно, заощадити час і кошти, в які обійдеться вам вимушений простій техніки або технологічного обладнання".
Труднощі в отриманні корисної інформації з вібрації машин і механізмів полягають у великій кількості сторонніх шумів, якими сповнені виробничі приміщення. З цієї точки зору, отримання корисної інформації нагадує пошуки голки в стозі сіна. Існуючі системи контролю, засновані на алгоритмах, що враховують тільки статичні коливання і різницю в частоті корисних і шумових сигналів. Незважаючи на це, такі алгоритми абияк справляються зі своїм завданням,
але роблять це з великими труднощами і високим відсотком помилок.
"Головна проблема полягає в тому, що в області механічних систем теорія завжди кардинально відрізняється від того, що спостерігається в дійсності" - розповідає доктор Тейксейра, - "Для усунення таких розбіжностей ми взяли алгоритми системи штучного інтелекту і навчили його основним принципам фізики, які визначають всі ефекти і процеси в вібруючому навколишньому середовищу".
Реальні випробування нової системи штучного інтелекту здійснюються за сприяння армії США на даних HUMS (Health and Usage Monitoring Systems), яку можна зняти з спеціалізованих датчиків одного з військових вертольотів. "Підхід глибинного машинного навчання дозволяє системі аналізувати не тільки один єдиний політ, а брати до уваги масив даних, зібраний за весь час експлуатації машини" - розповідає Кріс Соттер (Chris Sautter), учасник даної програми з боку військових, - "Ми навчаємо алгоритм сприймати контрольовану систему так, як ви навчаєте мобільний телефон свого голосу. А через якийсь час система стає здатною визначити зародження навіть незначної несправності і передати "сигнал тривоги" команді технічного обслуговування".
