Аннотация результатов, полученных в 2022 году
В ходе выполнения исследований по плану работ первого года реализации проекта был разработан метод нейросетевого анализа спектра сигнала виброускорения манипулятора защитной трубы сталеразливочного агрегата с целью идентификации момента начала истечения шлака из стальковша для остановки процесса на более раннем этапе. Для этого, согласно плана, были выполнены следующие работы и получены соответствующие научные результаты: - подтверждена гипотеза о возможности применения автоэнкодера для решения задачи определения аномалии в исходном сигнале на «синтетических» данных; - выполнен разведочный анализ основных характеристик сигналов виброускорения во временной области, полученных в процессе функционирования реального сталеразливочного агрегата при помощи датчиков с различной осевой чувствительностью. Выделены основные этапы в функционировании агрегата и соответствующие им особенности сигнала, проведена работа по реализации критерия для идентификации момента начала истечения шлака из стальковша на данных во временной области. Разработан алгоритм предобработки исходных данных, соответствующий существующим требования по быстродействию, и перечень требований к проведению измерений для возможности дальнейшего анализа записываемых сигналов; - проведены исследования полученных сигналов в частотной области (спектров) на основе преобразования Фурье. Исследованы такие агрегированные показатели интерпретации информации из спектра, как огибающая спектра сигнала, энтропия и спектр мощности сигнала для реализации критерия, позволяющего однозначно определить момент начала истечения шлака из стальковша. Получен положительный результат. В результате определены наиболее информативные частотные области сигнала, сформированы технические требования к применяемому оборудованию для обеспечения проведения измерений в информативной области полосы пропускания; - исследована возможность проведения нейросетевого анализа сигнала виброускорения для идентификации момента начала истечения шлака из стальковша с использованием нейронной сети - автоэнкодера. Эксперименты выполнялись с использованием данных сигнала виброускорения во временной и частотной области, а также с использованием дополнительных показателей, обозначенных в рамках исследования частотной области. В ходе работ для повышения качества функционирования нейросетевой модели были исследованы различные способы реализации входных векторов, типы слоев и параметры архитектуры. Помимо этого, были исследованы способы фильтрации и подача дополнительных входных признаков с целью выделения информативной составляющей сигнала. Для обоснования целесообразности выбора именно автоэнкодерной архитектуры, были выполнены эксперименты с ИНС моделями иных типов, что подтвердило правильность выбора. После чего был скорректирован план работ по проекту на второй год реализации – дополнительно добавлено исследование возможности применения сингулярно-спектрального метода фильтрации сигнала и подбора его достаточных параметров для снижения степени влияния шумовых составляющих сигнала, которые возникают в результате функционирования оборудования в цеху промышленного предприятия и не относятся к ошибкам измерения или выбросам; - сформирован окончательный перечень рекомендаций, содержащий требования к техническим средствам, этапам проведения анализа и применяемым нейросетевым моделям для обеспечения успешного результата при использовании разработанного метода. Все задачи, запланированные на первый год реализации проекта, достигнуты, что подтверждает возможность достижения итоговой цели проекта и обосновывает необходимость проведения исследований, запланированных на второй год реализации. Проведенный анализ предметной области подтверждает, что решение данной научно-технической задачи и применяемых методов соответствует уровню исследований, проводимых в данной области.