В промышленном секторе почти в каждом оборудовании, которое предполагает плавное и быстрое вращение при ощутимых нагрузках, используются подшипники качения.
Специалисты отмечают высокую чувствительность подшипников качения к нагрузкам и малонадежность их в высокоскоростных приводах. Если подшипник выйдет из строя, то оборудование немедленно остановится, а рабочий процесс прекратится. Это несет колоссальные убытки производству.
Чтобы предотвратить внезапную поломку, требуется постоянная диагностика оборудования и своевременная реакция на каждое изменение показателей. Для этих целей студентка Высшей школы электроники и компьютерных наук ЮУрГУ Валерия Саковская разрабатывает автономную систему гибридной настройки алгоритмов глубокого обучения для диагностики промышленного оборудования.
«Мой проект сочетает в себе передовые технологии распознавания образов и обучения нейронной сети, математические методы обработки сигналов и имеет однозначную практическую значимость», – рассказала студентка Высшей школы электроники и компьютерных наук Валерия Саковская.
Для обработки используют вибрационные сигналы, снятые с вала двигателя, находящегося на предприятии. С ними работают, комбинируя передовые методы – эмпирическое модовое разложение и спектральный анализ Гильберта. После обработки сигналов спектры Гильберта (изображения) подаются для обучения на вход гибридному алгоритму с дефектно-ориентированной структурой. Полученный на выход код оптимизирован для промышленного микроконтроллера и готов распознавать неисправности оборудования с высокой чувствительностью.
Перспективный проект отметили на конкурсе по программе «УМНИК» в направлении «Цифровые технологии». Студентка получила 500 тысяч рублей на развитие идеи.
