В ЮУрГУ разработали нейросеть, ускоряющую диагностику подшипников в 15 раз

Учёные Южно-Уральского государственного университета представили инновационную разработку в области технической диагностики — нейросеть, способную в кратчайшие сроки выявлять неисправности подшипников. Технология, по словам представителей университета, демонстрирует пятикратное ускорение по сравнению с традиционными методами и открывает новые перспективы для повышения надёжности промышленных и транспортных систем.

Как сообщил заместитель заведующего лабораторией технической самодиагностики и самоконтроля приборов и систем Владимир Синицын, в основе нового решения лежит гибридная модель нейросети Hybrid MLP-CNN. Обычно подобные архитектуры требуют значительных вычислительных мощностей и длительного времени обучения, однако в ЮУрГУ удалось значительно повысить её эффективность благодаря интеграции алгоритма LPC. Ранее этот алгоритм использовался в основном в системах распознавания речи, но теперь его адаптировали для задач анализа вибрационных сигналов от подшипников.

Применение LPC позволило сократить время обучения нейросети в 15 раз, что особенно важно в условиях промышленного производства, где требуется быстрая адаптация систем диагностики под конкретное оборудование. По словам исследователей, эта разработка способна существенно снизить затраты на техническое обслуживание и предотвратить аварии, вызванные износом деталей, задолго до того, как они приведут к поломке оборудования.

Первые испытания нейросети проводились на основе набора тестовых данных, включающих различные сценарии отказа и нормальной работы подшипников. Полученные результаты подтвердили высокую точность определения состояния компонентов, что позволило экспертам говорить о готовности технологии к внедрению в реальных производственных условиях.

Результаты научной работы были опубликованы в международном журнале Algorithms, что свидетельствует о признании эффективности подхода на мировом уровне. В университете подчеркнули, что нейросеть может быть применена не только в машиностроении, но и в других отраслях, где важна точная и быстрая диагностика технических систем.