Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
Трехфазные асинхронные двигатели — основа современной промышленности. Они приводят в движение насосы, компрессоры, конвейеры и вентиляторы — например, на металлургических заводах, в системах водоснабжения городов или на конвейерах автомобильных заводов. Поэтому даже небольшая поломка может остановить производство и привести к большим убыткам.
Сегодня инженеры ищут неисправности по сигналу электрического тока, который потребляет двигатель. Они анализируют его частоты и вручную определяют характерные признаки поломок. Но такой подход требует сложной настройки и большого опыта: специалисту нужно долго разбирать сигнал, выделять нужные частоты и проверять разные параметры двигателя. Это трудоемкий и довольно медленный процесс.
Есть и другой подход — использовать алгоритмы машинного обучения. Однако для их обучения нужны данные о том, как ведут себя двигатели при поломках. В реальной промышленности таких данных почти нет, поэтому алгоритмам просто не хватает примеров, на которых они могли бы учиться.
Команда исследователей факультета компьютерных наук ВШЭ (Артём Рыжиков, Сараа Али, Александр Хижик, Степан Свирин и Денис Деркач) предложила решение этой проблемы. Они научили алгоритм создавать искусственные поломки в сигнале исправного двигателя. Для этого в сигнал добавляют специальные частоты — такие же, какие появляются при настоящих неисправностях.
Благодаря этому нейросеть может обучаться распознавать дефекты автоматически. В результате долгий ручной поиск поломок по частотам можно заменить быстрой автоматической диагностикой, которая к тому же работает почти со стопроцентной точностью.
Денис Деркач
«Нейросеть получает искусственные, но реалистичные примеры поломок и учится их распознавать. При этом наш метод опирается на физические законы работы двигателя и не требует сложных компьютерных моделей или экспериментов с реальными неисправностями оборудования», — объяснил один из авторов исследования, заведующий Научно-учебной лаборатория методов анализа больших данных лаборатории Института искусственного интеллекта и цифровых наук ФКН ВШЭ Денис Деркач.
Разработка ученых Вышки получила название Signature-Guided Data Augmentation (SGDA). Ее проверили на данных двух двигателей. В задаче, в которой определялось, исправен двигатель или нет, точность достигла 99%. В более сложной задаче, где нужно было различать разные типы неисправностей, точность составила 86%.
Сараа Али
«Мы обучаем систему на данных нормальной работы двигателя, а затем получаем полноценный инструмент для поиска неисправностей. Такой подход особенно полезен для предприятий, у которых нет архивов аварийных данных и опыта работы с поломками оборудования», — отметила аспирантка ФКН ВШЭ Сараа Али, один из авторов исследования.
Выгодная особенность созданного учеными метода в том, что его можно использовать для двигателей с абсолютно разными параметрами. Достаточно записать в компьютере, как конкретный двигатель работает в нормальном режиме, и система сможет замечать отклонения.
Разработка поможет определять неисправности заранее, еще до того, как оборудование выйдет из строя. Это позволит снизить расходы на ремонт, уменьшить простои и сделать производство безопаснее. В будущем ученые планируют проверить метод на большем количестве двигателей и протестировать его в реальных условиях на предприятиях.
Исследование выполнено при поддержке гранта для исследовательских центров в области искусственного интеллекта, предоставленного Минэкономразвития России. Разработка получила официальный патент до 2044 года.
Свирин Степан Дмитриевич
Вам также может быть интересно:
НИУ ВШЭ первым среди университетов начал фиксировать интеллектуальные права на научные результаты в блокчейне
Высшая школа экономики подключила свой Репозиторий научно-технической информации к доверенной блокчейн-сети РЦИС.РФ как самостоятельный узел. Теперь каждый исследовательский результат, размещенный в цифровом хранилище НИУ ВШЭ, может получить признаваемую госорганами запись в распределенном реестре, подтверждающую авторство и принадлежность исключительных прав.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
В НИУ ВШЭ появится суперкомпьютер для работы с ИИ
Высшая школа экономики готовит к запуску второй суперкомпьютер. Новый кластер будет ориентирован прежде всего на задачи ИИ и дополнит уже действующий суперкомпьютер cHARISMa. Его запуск планируется на конец 2026 года.
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.
Нейросеть НИУ ВШЭ iFORA.LLM включена в Реестр российского программного обеспечения
Адаптированная большая языковая модель для сферы науки, технологий и инноваций (далее — iFORA.LLM, модель), разработанная экспертами Института статистических исследований и экономики знаний НИУ ВШЭ, включена в Реестр российского ПО. Модель создана для эффективного анализа массивов научно-технической информации — от поиска релевантных публикаций до оценки технологических трендов и формирования аналитических отчетов.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
Студенты МИЭМ ВШЭ разработают два спутника собственной конструкции для орбитальных экспериментов
Аппараты, созданные студенческими командами, проведут в условиях космоса исследования свойств перспективных солнечных элементов, бортовых систем накопления энергии и серийной электроники для студенческих спутников.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
Бизнес-инкубатор НИУ ВШЭ и «Т-Бизнес» договорились развивать студенческое предпринимательство
Бизнес-инкубатор НИУ ВШЭ и «Т-Бизнес» подписали соглашение о сотрудничестве. Взаимодействие будет направлено на развитие студенческого предпринимательства и поддержку студентов, которые уже запустили собственные проекты или только планируют сделать это.
«Чтобы успевать за технологией, следует ускорить сам форсайт»
В Пекине прошла конференция Innovation and Technology Management Conference (InnoTech 2026), организованная издательством Elsevier совместно с Университетом Цинхуа. Основное внимание было уделено вопросам управления технологическим развитием в эпоху искусственного интеллекта. Сотрудники Форсайт-центра ИСИЭЗ НИУ ВШЭ Олеся Майбах и Данил Яцкин поделились результатами масштабного форсайт-исследования «ИТ в России: сценарии развития», реализованного при поддержке «Яндекса».