Учёные ВШЭ разработали нейросеть для автоматической диагностики неисправностей электродвигателей

Учёные Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали метод Signature‑Guided Data Augmentation. Он определяет неисправность двигателей с точностью 99%. Метод также классифицирует типы поломок с точностью 86%. Применение разработки может снизить расходы на ремонт промышленного оборудования. Разработка также способна уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.

Трёхфазные асинхронные двигатели выступают основой современной промышленности. Они приводят в движение насосы, компрессоры, конвейеры и вентиляторы. Например, такие двигатели используются на металлургических заводах или в системах водоснабжения городов и на конвейерах автомобильных заводов. Даже небольшая поломка может остановить производство. Это приводит к большим убыткам.

По состоянию на 2026 год инженеры ищут неисправности по сигналу электрического тока. Двигатель потребляет этот ток во время работы. Специалисты анализируют частоты тока и вручную определяют характерные признаки поломок. Такой подход требует сложной настройки и большого опыта. Кроме того, специалисту нужно долго разбирать сигнал, необходимо выделять нужные частоты, проверять разные параметры двигателя. Это трудоёмкий и медленный процесс.

Существует другой подход. Он использует алгоритмы машинного обучения. Однако для их обучения нужны данные о том, как ведут себя двигатели при поломках. В реальной промышленности таких данных почти нет. Алгоритмам не хватает примеров для обучения.

Команда исследователей факультета компьютерных наук ВШЭ предложила решение этой проблемы. В команду вошли Артём Рыжиков, Сараа Али, Александр Хижик, Степан Свирин и