Учёные Южно-Уральского государственного университета (ЮУрГУ) разработали и успешно применили нейросеть для автоматической диагностики состояния подшипников. Эта технология позволяет ускорить процесс в 15 раз по сравнению с предыдущими методами, что имеет важное значение для промышленных предприятий и транспортных компаний.
Заместитель заведующего научно-исследовательской лаборатории Технической самодиагностики и самоконтроля приборов и систем Владимир Синицын сообщил, что нейросеть использует гибридную модель Hybrid MLP-CNN для диагностики, которая обычно требует значительных вычислительных ресурсов и времени на обучение. Однако новая методика основана на алгоритме LPC, который значительно сокращает время, необходимое для обучения сети, в 15 раз. Это позволяет улучшить точность и снизить затраты на вычисления.
Алгоритм LPC ранее применялся в основном для обработки речи, но теперь его адаптировали для диагностики технических систем. Работу нового метода проверили на тестовых данных, и результаты были опубликованы в международном журнале «Algorithms».