О применении технологий искусственного интеллекта в задачах акустического распознавания
Исследуются возможности применения методов искусственного интеллекта, в частности обучения с подкреплением, для акустической диагностики автономных систем. Предложены три алгоритма: алгоритм на основе глубоких нейронных сетей, многоагентный ансамблевый алгоритм и динамически адаптируемый ансамбль с генеративным усилением на основе генеративно-состязательной сети. Проведен сравнительный анализ их эффективности по критериям точности, устойчивости к шуму и требований к вычислительным ресурсам. Результаты показывают, что комбинированный подход с использованием обучения с подкреплением и генеративно-состязательной сети демонстрирует наивысшую точность (до 94.2 %) и адаптивность к изменяющимся условиям, что делает его перспективным для внедрения в промышленные системы реального времени. Сравнение методов проведено по трем критериям: точность диагностики, устойчивость к шуму и требования к вычислительным ресурсам. Результаты показали, что многоагентный алгоритм лучше всего справляется с анализом сигналов в условиях высокой зашумленности, а динамический ансамбль с GAN обеспечивает максимальную точность распознавания неисправностей (до 94.2 %) и способность адаптироваться к ранее неизвестным ситуациям. При этом метод на основе RL отличается низкими затратами ресурсов и минимальным временем отклика, что делает его удобным для систем с ограниченными вычислительными возможностями. Предложенные решения могут быть использованы для разработки практичных систем предиктивного обслуживания, которые позволяют выявлять неисправности на ранних стадиях и поддерживать бесперебойную работу оборудования.
Авторы: А. Р. Салиева
Направление: Информатика, вычислительная техника и управление
Ключевые слова: акустическая диагностика, обучение с подкреплением, искусственный интеллект, промышленное оборудование, генеративно-состязательные сети
Открыть полный текст статьи