Ученые СФУ предложили использовать «электронных клонов» для диагностики техники

31 октября 2018

Ученые СФУ предложили использовать «электронных клонов» для диагностики техники

Ученые Сибирского федерального университета нашли новый способ диагностики техники. Профессора Института информационных и космических технологий СФУ предложили использовать «электронных клонов» для онлайн-оценки состояния техники и представили соответствующую модель нейрокомпьютерной диагностики, рассказали в пресс-службе вуза.

Когда-то для контроля над состоянием техники было достаточно простого осмотра. Сейчас эта задача перепоручена самой технике. Например, компьютерам, которые с помощью искусственных нейросетей (ИНС) способны решать целый комплекс задач по неразрушающему контролю и онлайн-диагностике. Ученые СФУ предложили свой подход с опорой на разработку и обучение ИНС, а также моделирование контролируемого изделия на основе множества «паттернов» (тестовых примеров) реакции наблюдаемой системы — например, по изменению напряжённого состояния или нагрева изделия.

«ИНС и моделирование позволяют создать электронных клонов изделия (или элемента конструкции) с чтением любой информации о состоянии контролируемого объекта в режиме онлайн», — сообщили профессора Института информационных и космических технологий СФУ Владимир Кошур и Сергей Ченцов.

По их проекту, клон может быть настроен на пассивный или активный режим работы. В пассивном режиме он только отражает состояние физического объекта, не вмешиваясь в его работу, в активном — клон, «почувствовав боль», генерирует управление доступными ему параметрами физического объекта с целью «уменьшения боли» или ее устранения.

«В активном режиме работы это новая интеллектуальная система, выполняющая основные функции и стремящаяся максимально сохранить „жизнеспособность“ адаптивного подстраивающегося технического устройства», — рассказал Владимир Кошур.

По его словам, настройка нейросетевых блоков ведется по принципам минимизации контролируемой ошибки выхода нейросетевой системы и принятого ответа паттерна. Особенно важно найти глобальный минимум суммарной ошибки — оптимальные параметры, которые являются наилучшими для принятой модели.

Результаты ученых СФУ были представлены на XX Международной научно-технической конференции «Нейроинформатика-2018». На данный момент они продолжают исследовать адаптивные алгоритмы оптимизации нейросетевого управления.


Похожие новости: