Выбирай : Покупай : Используй
в фокусе
0

Искусственный интеллект на слух определяет дефекты в поездах и машинах

Звуки могут рассказать нам, насколько исправна та или иная машина. Новый метод машинного обучения облегчает эту задачу — искусственный интеллект автоматически определяет, в рабочем ли состоянии машина или ей нужен ремонт.

Колеса железнодорожных составов, электрогенераторы, насосы, клапаны другие механизмы при работе издают различные звуки. Для профессионалов они не лишены смысла: машины, их механизмы или подвижные составы звучат по-разному в исправном и нерабочем состоянии.

Поэтому мониторинг и анализ звуков очень важны в сфере обслуживания промышленной инфраструктуры. Тем более сейчас запись шумов и сигналов стала более рентабельной за счет применения современных микрофонов.

Информация из звуков извлекается при помощи в том числе вейвлет-преобразования — одного из методов обработки сигналов. С математической точки зрения тоны, звуки или шум можно представить в виде волн. Функция разлагается на ряд вейвлетов — волнообразных колебаний, локальных во времени и по частоте. В целом, метод весьма успешный, но иногда может требовать много времени. Еще один недостаток — относительная сложность преобразования.

Если вовремя распознать, что машина неисправна, можно предотвратить дорогостоящий ремонт и вмешаться до того, как механизм окончательно выйдет из строя

Исследователи из ETH Zurich создали метод машинного обучения, который делает описанный выше способ полностью обучаемым. Этот подход особенно актуален для высокочастотных сигналов и дает возможность автоматически выяснять, исправлен ли тот или иной механизм. В его рамках алгоритм ИИ сам выполняет акустический мониторинг и анализирует звуки. Этот метод обеспечивает хорошую интерпретируемость результатов.

В реальных условиях нет возможности сделать большую репрезентативную выборку звуков неисправных машин, потому что дефекты возникают не очень часто. Поэтому не получится «показать» алгоритму большое количество данных о шуме при неисправностях и научить его, чем они отличаются от «правильных» звуков. Поэтому авторы разработки обучили алгоритм таким образом, что за основу было принято обычное звучание насосов, вентиляторов, клапанов и других механизмов. Когда звук становится аномальным, алгоритм определяет неисправность. Также исследователи выбрали подход «обучение без учителя»: компьютер самостоятельно выучил соответствующие модели, а не ученые ему их показывали.

Цель исследователей состоит в том, чтобы в ближайшем будущем профессионалы могли использовать новый инструмент, который ведет автоматический мониторинг промышленного оборудования и вовремя предупреждает о неисправности.

Для промышленного применения подобных алгоритмов важно, чтобы искусственный интеллект был способен определять минимальные различия между звуками: компьютер не должен пропускать важные звуки, но в то же время нельзя, чтобы он реагировал на все подряд. Новый способ достаточно гибок, чтобы его можно было применять к разным типам сигналов и задачам. Он был даже проверен на пении различных птиц. Также алгоритм способен видеть эволюцию звука, то есть сообщать информацию о возможных дефектах, основываясь на том, как звуки меняются с течением времени.

Комментарии