КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 25-29-01565
НазваниеУнифицированная стохастическая платформа для оценки и прогнозирования надёжности и остаточного ресурса технических систем на транспорте и в промышленности
Руководитель Малозёмов Борис Витальевич, Кандидат технических наук
Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Новосибирский государственный технический университет" , Новосибирская обл
Конкурс №118 - Конкурс на получение грантов РНФ по мероприятию «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами» приоритетного направления деятельности Российского научного фонда «Поддержка проведения научных исследований и развития научных коллективов, занимающих лидирующие позиции в определенных областях науки»
Область знания, основной код классификатора 09 - Инженерные науки; 09-603 - Надежность и отказоустойчивость технических систем. Диагностика технического состояния и испытания
Ключевые слова надёжность, остаточный ресурс, технические системы, стохастическое моделирование, цифровой двойник, диагностика, прогноз отказов, машинное обучение, деградация компонентов, транспортные системы, промышленное оборудование, оценка рисков
Код ГРНТИ27.35.29
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Проект направлен на разработку унифицированной стохастической платформы нового поколения, предназначенной для оценки и прогнозирования надёжности и остаточного ресурса технических систем, используемых в транспортной, энергетической и промышленной инфраструктуре. Актуальность проекта обусловлена возрастающей потребностью в интеллектуальных инструментах технической диагностики и предиктивного обслуживания, которые позволяют минимизировать аварийные простои, повысить эффективность эксплуатации оборудования и реализовать концепцию устойчивого управления жизненным циклом высокотехнологичной продукции.
Современные технические системы становятся всё более сложными, многофункциональными и энергонасыщенными. При этом их надёжность, отказоустойчивость и прогнозируемость состояния приобретают критическое значение в условиях цифровой трансформации отраслей. Особенно остро стоит задача достоверной оценки остаточного ресурса для компонентов, подверженных стохастической деградации: аккумуляторных батарей, электроприводов, преобразовательной техники, а также механических и электрических узлов транспортных систем. В условиях отсутствия универсального диагностического инструментария и ограниченности статистики отказов возникает необходимость в создании адаптивных платформ, сочетающих физико-ориентированные и интеллектуальные методы моделирования.
В рамках проекта планируется обобщение и расширение этих подходов до комплексной стохастической платформы, охватывающей не только аккумуляторы, но и широкий класс технических систем, применяемых в электротранспорте, промышленной энергетике и машиностроении.
Научная новизна проекта заключается в:
Разработке гибридной архитектуры платформы, объединяющей стохастическое моделирование, методы машинного обучения и физико-химические модели деградации для различных компонентов.
Формализации мультифизических моделей старения технических систем, включая тепловые, электрические, механические и химические процессы, с возможностью адаптации к переменным условиям эксплуатации.
Создании алгоритмов апостериорной оценки остаточного ресурса на основе эксплуатационных данных и их интеграции в цифровые двойники оборудования.
Внедрении интеллектуальных модулей прогнозирования с элементами самообучающихся нейросетей, способных учитывать разнородные источники информации — от сенсорных данных до инженерных моделей.
Разработке модульной цифровой среды, способной масштабироваться на различные классы оборудования и интегрироваться в промышленные SCADA/ERP-системы.
Ключевой особенностью платформы станет возможность её применения как в условиях полной статистической информации, так и в ситуациях с ограниченным числом наблюдений (режимы неполного или зашумленного мониторинга). Это обеспечит её применимость в реальных производственных и транспортных системах, где получение полной выборки отказов затруднено или невозможно.
Проект также предусматривает экспериментальную валидацию моделей на стендовых и эксплуатационных данных, в том числе с использованием цифровых двойников аккумуляторных батарей и электромеханических узлов, ранее разработанных руководителем проекта и членами научного коллектива. Разрабатываемые подходы будут ориентированы на внедрение в деятельность операторов транспортной и промышленной инфраструктуры, а также производителей оборудования, заинтересованных в прогнозной оценке технического состояния, оптимизации графиков обслуживания и снижении эксплуатационных рисков.
Внедрение результатов проекта создаёт научно-технологический задел для перехода к концепции «predictive maintenance» в условиях российской промышленности и способствует созданию отечественного цифрового инструментария, независимого от зарубежных решений. Это особенно актуально в текущих условиях технологических ограничений, когда критически важной становится задача импортонезависимости в области цифровых технологий мониторинга и технической диагностики.
Ожидаемые результаты
В результате реализации проекта будет создана унифицированная стохастическая платформа нового поколения, предназначенная для оценки и прогнозирования надёжности, а также остаточного ресурса технических систем различного назначения, включая транспортные, энергетические и производственные объекты. Проект предполагает достижение как фундаментальных научных, так и прикладных результатов, которые соответствуют современным мировым трендам в области интеллектуального технического мониторинга и цифровизации промышленной инфраструктуры.
Научные результаты:
- Разработка комплексного подхода к моделированию процессов деградации технических систем на основе сочетания стохастических, логико-вероятностных и машинных моделей.
- Формализация и систематизация методов предиктивной диагностики с применением цифровых двойников, включая мультифизическое и статистическое моделирование.
- Создание алгоритмов машинного обучения для прогнозирования остаточного ресурса, учитывающих адаптацию к реальным условиям эксплуатации.
- Разработка универсальной архитектуры цифровой платформы, объединяющей функции сбора, обработки, анализа и визуализации эксплуатационных данных в режиме реального времени.
- Разработка методологических и программных решений для интеграции разработанных моделей в системы поддержки принятия решений на уровне промышленного предприятия.
Общественная и экономическая значимость:
- Повышение надёжности и безопасности: Разработка платформы позволит значительно снизить аварийность транспортных и промышленных систем за счёт раннего выявления признаков отказов и оценки предельных состояний оборудования. Это особенно актуально для городской инфраструктуры, транспорта общего пользования и энергетических объектов.
- Оптимизация технического обслуживания: Предиктивные алгоритмы, основанные на анализе данных эксплуатации, позволят перейти от планового к адаптивному техническому обслуживанию, что способствует снижению издержек, повышению производительности и минимизации простоя оборудования.
- Поддержка промышленного импортозамещения: Проект предусматривает создание отечественного цифрового инструментария, конкурентоспособного на мировом уровне, что важно в условиях внешних технологических ограничений и необходимости разработки независимых решений в сфере технической диагностики.
- Использование в социальной сфере: Платформа может быть внедрена в системах, обеспечивающих жизнедеятельность (электротранспорт, водоснабжение, системы отопления и вентиляции), что повысит качество и устойчивость предоставляемых услуг.
Соответствие мировому уровню и потенциал внедрения:
Проектная разработка находится на стыке нескольких передовых направлений науки: инженерной надёжности, искусственного интеллекта, цифрового моделирования и анализа больших данных. Реализуемый подход — создание гибридной интеллектуальной платформы с интеграцией физико-ориентированных и нейросетевых моделей — соответствует современным мировым тенденциям, включая концепции predictive maintenance, digital twin и industrial AI, активно развиваемым в Европе, США и Китае.
Ожидаемые результаты имеют высокий уровень готовности к практическому применению и могут быть масштабированы для использования:
- в транспортной отрасли (диагностика электробусов, железнодорожных составов, метрополитена);
- в энергетике (оценка ресурса аккумуляторов, трансформаторов, силовой электроники);
- в промышленном машиностроении (насосные станции, компрессорные агрегаты, подъемно-транспортные машины);
- в интеллектуальных системах управления техобслуживанием на предприятиях.
Таким образом, проект имеет значительный трансферабельный потенциал и может быть использован как основа для создания высокотехнологичных продуктов, способствующих технологическому лидерству и цифровому суверенитету России.