Предиктивная аналитика в авиации: как искусственный интеллект предсказывает поломку самолета
«Традиционно контроль за техническим состоянием оборудования авиатехники ведется на основе планового техобслуживания, регламентов настройки режимов, а также анализа, основанного на исторических данных, – рассказывает Пётр Ухов. – Благодаря предиктивной аналитике техобслуживание может производиться по мере необходимости, что позволяет обнаруживать дефекты на ранних стадиях и предотвращать аварийные остановки оборудования».
Продолжением предиктивной аналитики является прескриптивная аналитика, которая направлена на настройку режимов оборудования и оптимизацию тех или иных параметров. В результате применения алгоритмов ИИ в этой области снижаются издержки, а коэффициент безопасности полетов растет.
«Индекс здоровья» самолета
Предиктивная аналитика позволяет делать заключение на основе имеющихся данных. Для составления прогноза в машину загружается эксплуатационная, проектная и конструкторская документация, данные изменения параметров оборудования в ходе нормальной эксплуатации, информация об объеме проведенного ТО и зафиксированных отказов в работе оборудования. Это могут быть актуальные значения таких параметров, как давление, температура, расходы топлива и специальных жидкостей. Кроме того, могут быть использованы математические закономерности, например, математическая модель двигателя или его компонента.
На основе всего этого создается предиктивная модель оборудования и формируется прогноз в виде различных параметров. Одним из таких параметров может быть «индекс здоровья» – показатель надежности системы и дополнительная информация, характеризующая причины возможного отклонения от нормы.
«С помощью искусственного интеллекта эксплуатант может определить, например, когда необходимо совершить промывку авиационного двигателя, чтобы температура газа за турбиной не достигала критических значений и сохранялся оптимальный расход топлива. Промывают двигатель как водой, так и достаточно дорогими химическими составами с ингибиторами коррозии. Поэтому рекомендации по использованию того или иного процесса позволяют повысить ресурс и сделать это экономически эффективнее», — отмечает эксперт.
Диагноз для двигателя
В России уже есть опыт решения подобных проблем. Например, в рамках программы по импортозамещению компания S7 TechLab разработала отечественную систему мониторинга состояния авиационного двигателя. Прежде использовалась швейцарская, которая работала в режиме облачного сервиса: статистические данные отправлялись за рубеж, где искусственный интеллект и система статистики вычисляли параметры качества работы двигателя и присылали назад готовые рекомендации по обслуживанию техники.
В 2023 году специалисты передали на Цифровую кафедру Московского авиационного института данные по эксплуатации авиационных двигателей. На их основе студентами были обучены модели машинного обучения и проанализированы входные и выходные данные системы мониторинга авиационного двигателя.
Молодые инженеры предложили ряд решений, которые будут использованы в новых системах предиктивной аналитики. В том числе было представлено решение, которое прогнозирует запас температуры газов в двигателе на основе многочисленных параметров системы мониторинга.
Материал подготовлен при поддержке Минобрнауки России