Źle brzmiące. Sztuczna inteligencja wychwyci usterki urządzeń na podstawie ich odgłosów25.02.2022

Monitorowanie i późniejsza analiza dźwięków zyskuje coraz większe znaczenie w eksploatacji i konserwacji infrastruktury technicznej. 

Niesprawne urządzenia, zarówno te wykorzystywane na skalę przemysłową, jak i mniejsze, używane w gospodarstwach domowych, łączy jedno. Gdy są niesprawne, w większości przypadków da się to wysłyszeć. Niepokojące buczenie, rzężenie albo inne dźwięki dalekie od normy pozwalają przypuszczać, że maszyna wymaga odpowiedniej konserwacji. Prewencyjne, skuteczne  monitorowanie ich stanu na podstawie analizy parametrów audialnych może więc zapobiec bardziej kosztownym naprawom, na co zwrócili uwagę badacze z Politechniki Federalnej w Zurychu.

Eksperci zauważyli, że dzięki nowoczesnej aparaturze (np. mikrofonom) rejestrowanie nawet pozornie niesłyszalnych tonów, szumów i sygnałów akustycznych jest stosunkowo tanie i ogólnodostępne. Większym wyzwaniem pozostają ich badanie i klasyfikacja. Jednym z istniejących sposobów na to pozostaje tzw. transformacja falkowa. Polega ona na rozłożeniu na mniejsze zbiory fal, za pomocą których można zobrazować poszczególne dźwięki. Dzięki niej można uważniej prześledzić nieprawidłowości w funkcjonowaniu konkretnych urządzeń, zwłaszcza przy porównywaniu sygnałów o wyższej częstotliwości. Głównym założeniem Szwajcarów było zautomatyzowanie tego procesu z pomocą sztucznej inteligencji.

 
Grupa badawcza skonstruowała w tym celu algorytm działający na zasadzie tzw. uczenia nienadzorowanego. Zakłada ono odkrywanie przez niego wzorców w uprzednio zebranych danych bez bazowania na stworzonych wcześniej regułach, a także minimalną ingerencję człowieka w cały proces. Algorytm uczył się, jak brzmiały poprawnie działające maszyny, dzięki czemu następnie był zdolny do rozpoznania, kiedy następuje odstępstwo od normy. Co ważne, proces sprawdza się w różnych typach urządzeń i identyfikuje także te odgłosy, których nie wychwyci nawet najbardziej wyczulony specjalista – ultradźwięki albo infradźwięki. 

Szwajcarzy zwracają uwagę na to, że stworzony przez nich prototyp może też rozkładać na czynniki pierwsze inne rodzaje danych. Algorytm został choćby przetestowany pod kątem rozpoznawania śpiewu określonych gatunków ptaków. Zarejestrowano je za pomocą różnych mikrofonów, także tych charakteryzujących się mniejszą czułością. Gotowy produkt musi bowiem cechować się dużą skutecznością. W większych halach produkcyjnych, gdzie na co dzień stoją rzędy maszyn, jest bowiem znacznie trudniej o wyodrębnienie czystego nagrania bez ech i zniekształceń. 

Ze szczegółowym omówieniem prac akustyków można zapoznać się na łamach specjalistycznego periodyku „Proceedings of the National Academy of Sciences”.