Искусственный интеллект на слух определяет дефекты в поездах и машинах

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.

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.