В Волгоградском государственном техническом университете создали новый метод оценки оставшегося ресурса эксплуатации электрогенерирующего оборудования. Оценочная модель даёт возможность спрогнозировать срок, когда эксплуатируемое изделие выйдет из строя. Отличительным нюансом волгоградской разработки является её гибридность — структура метода построена на базе глубоких нейронных сетей, а они, в свою очередь, являются достаточно мощным инструментом для искусственного интеллекта. С результатами исследования волгоградских учёных более подробно можно ознакомиться в журнале ACM Transactions on Cyber-Physical Systems.
Оборудование, которое принято считать генерирующим, используется для выработки электроэнергии и создания автономных, аварийных или резервных систем энергообеспечения. Его надёжность — первостепенная задача, поскольку именно от неё зависит работа критически важного объекта в момент отсутствия напряжения в основной сети, особенно в сфере ТЭК, стабильное функционирование которого имеет большое значение для жителей городов и предприятий производственного сектора.
При этом регулярное техническое и сервисное обслуживание, направленное на профилактику, поиск и устранение неисправностей в таком оборудовании не даёт 100-процентную гарантию на исключение внезапной поломки. Однако использование новой оценочной модели ВолгГТУ сможет изменить имеющиеся алгоритмы ТО и последующего ремонта, сократив при этом и время простоя генерирующего объекта, и издержки от него.
После применения оценочной модели, разработанной волгоградскими учёными, точность определения оставшегося ресурса у энергооборудования выросла в полтора раза. Это стало возможным благодаря выделению диапазонов цикла жизни оборудования.
Волгоградская методология основана на комбинации математических моделей — глубоких нейронных сетей. Эта технология похожа на работу центральной нервной системы человека. Она способна решать сложные технические задачи. К примеру, нейронная сеть может идентифицировать образы или создавать точный прогноз на отказ имеющегося оборудования.
Прогресс в создании подобных моделей обусловлен сегодня тем, что современные вычислительные мощности повысили обучаемость нейросетей, также сократив и время. Необходимое для этого процесса. Так, в работе учёных ВолгГТУ рассматривается новая конфигурация нейросети, основой для которой станут два её вида — свёрточная нейронная сеть и сеть краткосрочной памяти.
Следующая задача учёных — разработка новой технологии, способной как создавать точные прогнозы отказов энергооборудования, так и формировать наиболее подходящие решения для повышения его срока жизни, то есть, эксплуатационного ресурса.
Отметим, что деятельность сотрудников Волгоградского государственного технического университета входит в стратегическую инициативу вуза, развивающуюся в рамках национальной программы «Приоритет-2030».