Система должна распознавать спектральные признаки состояния двигателя — в том числе боковые частоты, гармоники подшипников и признаки межвитковых замыканий — и предупреждать инженеров о риске отказа. По словам координатора разработки, декана Школы информатики, физики и технологий НИУ ВШЭ — Санкт-Петербург Антона Зарубина, эти характеристики сопоставят с конкретными дефектами.
Решение рассчитано на крупные предприятия нефтегазовой отрасли, металлургии, энергетики и других секторов, где незапланированная остановка оборудования ведет к существенным издержкам. На пилотных объектах предприятия смогут проводить ретроспективную диагностику. В дальнейшем команда планирует использовать блок сбора данных с частотой дискретизации более 60 кГц для непрерывного мониторинга критически важных агрегатов.
Параллельно ученые разрабатывают цифровой двойник двигателя. Он должен классифицировать дефекты и оценивать остаточный ресурс оборудования. Для его обучения и проверки моделей создается библиотека эталонных спектральных отпечатков: в нее планируют включить не менее 3000 записей о разных состояниях двигателей. Точность системы сравнят с результатами традиционной вибродиагностики.
Проект стартовал в январе 2026 года в ответ на запрос промышленности и входит в стратегический технологический проект «Мультиагентная платформа ИИ-решений для отраслевых задач». ООО «Русэлпром» предоставляет данные, а систему адаптируют под типовые двигатели компании. На объектах АО «Новое Сервисное Бюро» планируется опытная эксплуатация платформы. АО «Ленинградские областные коммунальные системы» также передает данные. YandexGPT от ООО «Яндекс» интегрируют в модуль поддержки сценариев с большими языковыми моделями для системы SmartMLOps.
Комментарии (0)
Пока нет комментариев. Будьте первым!