Нейросеть помогает прогнозировать остаточный ресурс подшипников
Точный прогноз оставшегося срока службы подшипников важен для безопасной работы промышленного оборудования. Если заменить деталь слишком рано, предприятие несет лишние затраты. Если сделать это поздно, возрастает риск отказа и незапланированной остановки. Сложность задачи связана с тем, что вибрационные сигналы содержат и полезные признаки износа, и случайные колебания.
Доцент Высшей школы управления кибер-физическими системами СПбПУ Вячеслав Потехин совместно с коллегами из Ланьчжоуского университета Цзяотун разработал модель KAN-MS Mamba для прогнозирования остаточного ресурса подшипников. Результаты работы отражены в статье журнала Expert Systems with Applications (квартиль Q1).
Сначала из исходных вибрационных сигналов извлекаются информативные характеристики, связанные с изменением состояния детали: показатели амплитуды, формы сигнала, частотного состава и его сложности. Затем эти данные обрабатываются двумя взаимодополняющими модулями. Первый отслеживает, как состояние подшипника меняется во времени, и выделяет краткосрочные колебания, промежуточные изменения и долгосрочный тренд износа. Второй уточняет нелинейные связи между признаками вибрации и остаточным ресурсом. Модули обмениваются информацией, чтобы модель учитывала как общую динамику деградации, так и отдельные признаки приближающегося отказа.
Исследователи также предложили специальный способ обучения модели. Он помогает уменьшить задержку прогноза, которая возникает, когда алгоритм не успевает отследить ускорение износа на поздней стадии работы подшипника. При этом безопасность учитывается отдельно: после получения прогноза к нему можно применять заданный запас, зависящий от уровня неопределенности модели.
Метод проверили на двух открытых наборах данных — PHM2012 и XJTU-SY. Они содержат записи вибрации подшипников, работавших до отказа, при разных режимах нагрузки и вращения. Исследователи сравнили новую модель с несколькими нейросетевыми методами, используя одинаковые входные признаки и протокол проверки.
Результаты показали, что на наборе PHM2012 среднеквадратичная ошибка KAN-MS Mamba для десяти тестовых подшипников составила 0,0377. Авторы сообщают, что это более чем на 50% ниже результата PatchTST. Наиболее заметное преимущество модель показала при изменении режима работы оборудования: по данным статьи, в одном из более сложных режимов ее средняя ошибка была существенно ниже, чем у одношкальной версии Mamba и ряда других сравниваемых методов.
.png)
(2).png)