Специалисты Южно-Уральского государственного университета (вуз входит в Союз машиностроителей России) разработали программное решение на основе каскадной нейронной сети для повышения надёжности вибродиагностики. Новый метод позволяет отличить реальные неисправности вращающихся механизмов от искажений, вызванных неправильной установкой датчиков, что критически важно для предотвращения внеплановых остановок на непрерывных производствах.
«Вибродиагностика – это неинвазивный метод оценки состояния оборудования, который широко применяется в металлургии, автомобилестроении и на пищевых конвейерных производствах, – рассказывает сотрудник НИЛ технической самодиагностики и самоконтроля приборов и систем ЮУрГУ Дмитрий Галышев. – Особое внимание уделяется диагностике подшипников, так как они наиболее уязвимый и критически важный компонент оборудования. 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 тревог».
В основе разработки челябинских ученых лежит каскад из двух последовательных нейронных сетей типа автоэнкодер. Эта архитектура действует как интеллектуальный фильтр-«сторож» для основной системы диагностики: первый уровень каскада проверяет, является ли поступающий сигнал нормальным. Если модель фиксирует аномалию, сигнал перестает считаться штатным и передается на следующий уровень. Второй уровень каскада определяет, вызвана ли обнаруженная аномалия неисправностью средства измерения (датчика). Модель обучена распознавать характерные искажения, возникающие из-за плохого контакта, дополнительных шумов или других проблем с закреплением датчика.
Только сигнал, прошедший через обе модели и не отнесенный к категориям «штатный» или «неисправность датчика», направляется в основную модель для диагностики состояния самого оборудования. Это дает инженерам уверенность в качестве исходных данных для анализа.
Программа является первой в России, на неё получен соответствующий патент. Разработка позволяет перенести тестирование и применение диагностических алгоритмов из идеальных лабораторных условий в реальную производственную среду, где всегда присутствует человеческий фактор и множество помех. Она заранее учитывает и отсекает риски, связанные с качеством установки измерительной аппаратуры, что дает инженерам уверенность в достоверности данных и повышает общую надежность системы предиктивного обслуживания.