АНО «Индустрия безопасности» приглашает к участию в IX Всероссийской Конференции «Транспортная безопасность и технологии противодействия терроризму-2020»
IX Конференция по транспортной безопасности пройдет в Ростове-на-Дону 23-25 сентября 2020 года

Аварии и неполадки техники можно предсказать заранее

06.08.2020  |  11:26

В Самарском университете разработали комплекс предсказательной диагностики технологического оборудования.

Аварии и неполадки техники можно предсказать заранее

Ученые Самарского национального исследовательского университета имени академика С.П.Королёва создали интеллектуальный комплекс, способный предсказывать технические сбои, неполадки и отказы в работе сложных технических систем. Подобные решения изначально разрабатывались для повышения безопасности авиационных перевозок, но сфера их применения может быть гораздо шире – в любых технологических комплексах и сложных технических устройствах, например, при производстве автомобилей, БЛА, локомотивов и т.д.

В университете создан прототип устройства для диагностики технологического оборудования на производстве, который способен повысить надежность и безопасность действующих технологических линий, уменьшить вероятность простоев на промышленных предприятиях, предотвращать внезапные отказы оборудования. Об этом сообщила пресс-служба университета. В ходе разработки прототипа созданы конструкционные аппаратные модули, сформирована база данных по типовым отказам и неполадкам. В разработке используется технология машинного обучения, по сути, программный продукт в процессе работы самообучается и, диагностируя состояние техники, сообщает, какой элемент той или иной системы находится в предотказном состоянии и может вскоре выйти из строя.

Определение предотказного состояния осуществляется путем программного сопоставления т.н. «динамических портретов» узлов и систем: актуальное состояние оборудования, данные о котором собираются с помощью набора датчиков, в процессе работы постоянно сравнивается с идеальным состоянием техники – «идеальным портретом», закрепленным в базе данных программы. Комплекс выявляет отклонения от «идеального портрета», например, это могут быть изменения в показателях давления в маслосистеме, разница в уровнях температуры или расходе топлива, причем показатели фиксируются на каждом участке узла или системы, после чего на основе выработанных в ходе машинного обучения алгоритмов система принимает решение о вероятности возникновения неполадки.

Одним из применений такого решения может стать использование в комплексных системах обеспечения безопасности: на транспорте, в управлении сложными инженерными сетями зданий и сооружений, в инфраструктуре «умного города» для реализации на аппаратном уровне принципа проактивной аналитики, снижающей аварийность и повышающей защищенность объектов.

Источник фото: commons.wikimedia.org.

Поделиться:

другие новости