УДК 004.896
АУГМЕНТАЦИЯ АУДИОДАННЫХ С КИБЕРФИЗИЧЕСКОГО УРОВНЯ ЦИФРОВЫХ ДВОЙНИКОВ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ
О. Д. Казаков, к.э.н., доцент, проректор по цифровизации, заведующий кафедрой ИТ БГИТУ, Брянск, Россия;
orcid.org/0000-0001-9665-8138, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Н. Ю. Азаренко, к.э.н., доцент, магистрант БГИТУ, Брянск, Россия;
orcid.org/0000-0001-6644-418X, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Рассматривается задача аугментации аудиоданных с киберфизического уровня цифровых двойников технологических систем. Целью работы является оценка метрик качества моделей классификации работоспособности оборудования, обученных на одних и тех же нейросетевых архитектурах с одними и теми же настроенными гиперпараметрами, но на разных датасетах: оригинальном и расширенном на основе предложенных подходов: 1) алгоритм случайного блокирования диапазона последовательных частот, то есть блокировки некоторых участков спектрограммы; 2) добавление гауссова шума к спектрограмме. Аугментация данных, полученных при работе насосной станции AL-KO HW 3600 Easy 113798 на стадии проектирования киберфизического уровня ее цифровой копии, позволила увеличить набор данных до 392 объектов. Значения F-меры тестовой выборки Transfer learning на расширенном наборе данных после аугментации на основе предложенных алгоритмов во всех случаях выше, чем на оригинальном наборе данных. Данное исследование вносит определенный вклад в развитие использования нейронных сетей глубокого обучения к диагностике неисправностей оборудования. Предложенные методы позволят достичь высокой точности диагностики с небольшим исходным набором данных, а также решают проблему повышения безопасности и надежности эксплуатации технологической системы в реальных условиях.
Ключевые слова: цифровой двойник, технологическая система, аугментация аудиоданных, киберфизический уровень, transfer learning.