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 стал победителем Всероссийского конкурса студенческих конструкторских бюро
Студенческое конструкторское бюро «Интеллектуальные автономные системы в промышленности», созданное на базе Института робототехнических систем и МИЭМ ВШЭ, одержало победу во Всероссийском конкурсе в области студенческого конструкторского лидерства. Организатор конкурса — Министерство науки и высшего образования РФ. Бюро получит государственную поддержку на реализацию проектов в области робототехники совместно с индустриальными партнерами.
НИУ ВШЭ представил в Китае исследование о безопасности нейросетей для анализа видео
Ученые Высшей школы экономики презентавали на международной конференции ChinaMM 2026 в Китае исследование о том, как искажения при передаче видео влияют на работу нейросетей. Авторы предложили новый способ проверять устойчивость таких моделей в условиях, близких к реальному использованию видеосервисов.
Научная экспедиция на Хайнань: ученые ВШЭ организовали конференцию по статистическому ИИ в Китае
С 24 по 28 августа 2026 года в городе Санья на острове Хайнань (Китай) прошла международная конференция Statistical AI («Статистический искусственный интеллект»). Мероприятие собрало ведущих специалистов в области статистики, машинного обучения и прикладного ИИ. Среди организаторов конференции — Алексей Наумов, директор Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, и Сергей Самсонов, заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных.
V конференция «Погружение в машинное обучение»: главное ИИ-событие осени соберет ведущих ученых России
Институт искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приглашает исследователей, разработчиков и всех, кто создает будущее технологий, на пятую, юбилейную конференцию «Погружение в машинное обучение» (Fall into ML 2026). Мероприятие состоится 23–24 октября 2026 года в Центре культур НИУ ВШЭ (Москва, Покровский бульвар, д. 11, cтр. 6) и станет главной точкой притяжения для российского ИИ-сообщества.
В НИУ ВШЭ пройдет международная конференция об обучении служением и искусственном интеллекте
21–23 октября 2026 года в НИУ ВШЭ пройдет Международная научно-практическая конференция «Обучение служением и искусственный интеллект: человекоцентричная социальная миссия университета». Конференция объединит представителей российских и зарубежных университетов, органов власти, некоммерческих организаций и бизнеса. Регистрация уже открыта.
НИУ ВШЭ расширяет сотрудничество с Малайзией в сфере технологического форсайта
Ученые НИУ ВШЭ примут участие в исследовании перспектив инженерного образования в Малайзии, а Малайзийская промышленно-правительственная группа высоких технологий (MIGHT) использует для валидации результатов их форсайт-исследований систему анализа больших данных iFORA. Таковы результаты визита представителей Вышки в Куала-Лумпур.
Исследователи НИУ ВШЭ оценили вклад стран БРИКС в ведущие конференции по машинному обучению
Наукометрический центр НИУ ВШЭ проанализировал более 104 тысяч работ за 2020–2025 годы, которые были представлены на десяти конференциях высшего уровня A* по рейтингу ICORE 2026. Исследователи изучили вклад Бразилии, России, Индии, Китая и ЮАР: на эти страны пришлось около 40,8 тысячи публикаций — 39,2% от всего массива. Однако распределение крайне неравномерно, и единого исследовательского пространства БРИКС пока нет.
В НИУ ВШЭ разработают систему предиктивной аналитики для двигателей ледоколов
Автоматизация промышленности является одним из ключевых направлений применения технологий искусственного интеллекта. Среди решений, разрабатываемых для российской индустрии в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач», — система предиктивной аналитики для крупных электродвигателей. Что такое предиктивная аналитика, как она влияет на работу электродвигателя и какие специалисты объединили усилия для создания этого продукта, «Вышке.Главное» рассказал координатор разработки, декан факультета «Школа информатики, физики и технологий» НИУ ВШЭ — Санкт-Петербург Антон Зарубин.
Дополнительные баллы к ЕГЭ за золотой значок: стартовал новый сезон сдачи нормативов ТехноГТО
Стартовала новая сессия сдачи очных нормативов технологической грамотности ТехноГТО на золотые значки. С сентября по декабрь 2026 года в разных регионах России участники смогут продемонстрировать свои знания на очных площадках проекта и заработать награды, которые позволяют получить до 10 дополнительных баллов к ЕГЭ при поступлении в вузы. ТехноГТО является частью Национальной технологической олимпиады (НТО) и реализуется Кружковым движением НТИ совместно с Президентской платформой «Россия — страна возможностей» при поддержке Движения Первых и НИУ ВШЭ.
От теории к практике: как машинное обучение меняет биоинформатику
С 20 по 22 августа на факультете компьютерных наук НИУ ВШЭ прошла седьмая ежегодная Летняя школа по машинному обучению в биоинформатике. Мероприятие объединило ведущих экспертов и молодых исследователей. Его главным итогом стала живая дискуссия о том, как фундаментальные алгоритмы ИИ превращаются в работающие инструменты для биологии и медицины.