Электронные клоны: российские ученые нашли новый способ диагностики техники


Электронные клоны: российские ученые нашли новый способ диагностики техники
Подпишись на ежедневную рассылку РИА Наука

Спасибо за подписку

Пожалуйста, проверьте свой e-mail для подтверждения подписки

Ученые Сибирского федерального университета (СФУ) предложили использовать «электронных клонов» для online оценки состояния техники и представили соответствующую модель нейрокомпьютерной диагностики, сообщила РИА Новости пресс-служба университета.

Когда-то для контроля над состоянием техники было достаточно простого осмотра. Сейчас эта задача перепоручена самой технике. Например, компьютерам, которые с помощью искусственных нейросетей (ИНС) способны решать целый комплекс задач по неразрушающему контролю и online диагностике.

Ученые СФУ предложили свой подход с опорой на разработку и обучение ИНС, а также моделирование контролируемого изделия на основе множества «паттернов» (тестовых примеров) реакции наблюдаемой системы – например, по изменению напряженного состояния или нагрева изделия.

«ИНС и моделирование позволяют создать электронных клонов изделия (или элемента конструкции) с чтением любой информации о состоянии контролируемого объекта в режиме online», – сообщили РИА Новости профессора Института информационных и космических технологий СФУ Владимир Кошур и Сергей Ченцов.






По их проекту, клон может быть настроен на пассивный или активный режим работы. В пассивном режиме он только отражает состояние физического объекта, не вмешиваясь в его работу, в активном – клон, «почувствовав боль», генерирует управление доступными ему параметрами физического объекта с целью «уменьшения боли» или её устранения.

«В активном режиме работы это новая интеллектуальная система, выполняющая основные функции и стремящаяся максимально сохранить «жизнеспособность» адаптивного подстраивающегося технического устройства», – рассказал Владимир Кошур.

По его словам, настройка нейросетевых блоков ведется на принципах минимизации контролируемой ошибки выхода нейросетевой системы и принятого ответа паттерна. Особенно важно найти глобальный минимум суммарной ошибки – оптимальные параметры, которые являются наилучшими для принятой модели.

Результаты ученых СФУ были представлены на XX Международной научно-технической конференции «Нейроинформатика-2018», прошедшей в Национальным исследовательском ядерном университете «МИФИ» (Москва). На данный момент они продолжают исследовать адаптивные алгоритмы оптимизации нейросетевого управления.

Источник

Понравилась статья? Поделиться с друзьями: