Предотвратить аварии на АЭС поможет система мониторинга на основе искусственного интеллекта
Ученые Орловского государственного университета (ОГУ) имени И.С. Тургенева совместно с индустриальными партнерами работают над созданием цифровой системы мониторинга, диагностирования и прогнозирования состояния технического оборудования с применением технологии искусственного интеллекта на базе отечественных аппаратных и программных средств. Объектами интеллектуального мониторинга может быть любое энергогенерирующее оборудование. Разработка российских ученых в том числе позволит обеспечить безаварийную работу АЭС. Проект выполняется в рамках Постановления №218 Правительства РФ.
Результатом проекта станет высокотехнологичное производство российских программно-аппаратных комплексов предиктивной диагностики технического оборудования с применением технологии искусственного интеллекта на базе ЗАО «ЭЛСИЭЛ». Ученые ОГУ имени И.С. Тургенева усовершенствуют программное обеспечение, а также будут осуществлять сервис и научное сопровождение при эксплуатации таких новых и инновационных программно-аппаратных комплексов.
Идея проекта состоит в том, чтобы научиться предсказывать состояние и остаточный ресурс оборудования до возникновения аварийной ситуации. Для этого поступающие сигналы собираются и обрабатываются программным обеспечением, в котором реализованы методы искусственных нейронных сетей и машинного обучения. Первичные признаки будущей неисправности могут быть незаметны для человека, но нейросеть сможет их определить и вовремя подать сигнал для остановки технического оборудования и проведения ремонтных работ по фактическому состоянию. Такой подход предиктивной эксплуатации сложного технического оборудования позволит уменьшить количество отказов и аварийных ситуаций.
Комплекс, который разрабатывают ученые, предназначен для мониторинга энергогенерирующего оборудования. Но методы, которыми они при этом пользуются, универсальны и могут применяться в различных областях. Сейчас разработчики проекта должны обучить нейронную сеть так, чтобы она максимально точно могла определить дефект в каждом конкретном узле оборудования. Для этого ученые моделируют различные ситуации и собирают большой массив данных с испытаний комплекса на площадках индустриальных партнеров.
Этот проект — продолжение прикладной научно-исследовательской работы «Разработка интеллектуальной технологии мониторинга и прототипа программно-аппаратного комплекса безопасности объектов энергетического комплекса» в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы». Проект выполнен научным коллективом НОЦ интеллектуальных технологий мониторинга и диагностики энергогенерирующего оборудования ОГУ им. И.С. Тургенева совместно с индустриальным партнером АО «НПО ВЭИ Электроизоляция» в 2019-2020 гг. В настоящее время разработанный прототип программно-аппаратного комплекса проходит опытную эксплуатацию во Всероссийском научно-исследовательском институте технической физики им. академика Е.И. Забабахина.
Еще на этапе подачи заявки на конкурс в партнерстве с ЗАО «ЭЛСИЭЛ» было принято решение о создании аппаратного комплекса на базе отечественных комплектующих для системы интеллектуального мониторинга, в отличие от прототипа. В настоящее время при выполнении 1-го этапа проекта разработан эскизный проект аппаратного комплекса, выполнены макеты отдельных блоков, и проведены соответствующие испытания.
«Уникальность разработки заключается в том, что ученые используют сразу несколько подходов для построения алгоритмов выявления дефектов энергогенерирующего оборудования. Один основан на создании шаблона нормальной работы оборудования, с которым искусственная нейросеть будет сравнивать данные о текущем состоянии, и постоянно самообучаться. Второй базируется на более детальной расшифровке информации датчиков системы мониторинга на базе математических моделей объектов и процессов. Третий предполагает обучение нейросетей на данных штатных АСУ ТП оборудования или на искусственных данных модельных экспериментов. В настоящее время формируется и четвертый подход для обучения искусственных нейросетей, заключающийся в создании «синтетических» данных, которые моделируют переход технической системы от нормального к неработоспособному состоянию. Такой комплексный подход позволит все точнее предсказывать отказы технического оборудования, более эффективно использовать штатные системы мониторинга для предиктивной диагностики, внедрять новые регламенты ремонта по фактическому состоянию и тем самым повышать безопасность объектов энергетической генерации Российской Федерации», — рассказал ведущий научный сотрудник НОЦ интеллектуальных технологий мониторинга и диагностики энергогенерирующего оборудования Роман Поляков.
