Выявление аномалий в аудио сигналах с применением нейронных сетей
Аннотация
Цель работы - построение модели обнаружения аномалий в аудио сигнале.
Для достижения поставленной цели сформулированы следующие основные задачи:
1) провести обзор предметной области, включая общие сведения о параметрах звуковой дорожки и существующие способы обнаружения аномалий в аудиосигналах;
2) изучить предоставленный набор данных, содержащий аудио дорожки записанные с тысяч агрегатов механических систем и механизмов, где большая часть семплов является примером нормальной работы, а часть ненормальной;
3) выполнить анализ и отбор набора признаков из аудиодорожек, для его дальнейшего использования;
4) выбрать из числа современных моделей машинного обучения несколько наиболее подходящих для обнаружения аномалий;
5) произвести обучение и тестирование выбранных моделей на предварительно обработанном наборе данных;
6) провести сравнительный анализ полученных результатов по метрикам качества классификации;
7) провести сравнительный анализ полученных результатов времени работы, а также выбрать наилучшее решение;
8) исследовать влияние скрытого слоя нейронной сети автокодировщика на показатели целевых метрик.
Гипотезой, которая была выдвинута в рамках проекта, является
возможность выявления ненормальной работы агрегата, на основе изменения его акустической картины. Эта возможность может быть проверена при построении моделей машинного обучения для обнаружения и классификации аномалий в звуках, издаваемыми разными механическими агрегатами и узлами.
Научная новизна данной работы заключается в разработке модели
обнаружения некорректной работы механизма, исходя из анализа
характеристик, отличных от использованных в предыдущих работах. А также в оптимизации времени работы и повышении покаателей качества уже существующих алгоритмов.
В работе приводятся результаты эксперимента по сравнению
алгоритмов выявления нетипичных звуков на аудиодорожках реальных механизмов и машин, с целью дальнейшего внедрения системы на производство. Также исследовано влияние использования понижающего автокодировщика на время работы алгоритма и влияние размера слоя кодирования на целевые показатели. Результатами работы является модель обнаружения аномалий, построенная на аудио записях работы реальных механизмов. В ходе исследования удалось добиться высоких показателей метрик классификации.
Областью применения полученной модели является проведение оценки и последующий мониторинг состояния механизма или механической системы.
Для достижения поставленной цели сформулированы следующие основные задачи:
1) провести обзор предметной области, включая общие сведения о параметрах звуковой дорожки и существующие способы обнаружения аномалий в аудиосигналах;
2) изучить предоставленный набор данных, содержащий аудио дорожки записанные с тысяч агрегатов механических систем и механизмов, где большая часть семплов является примером нормальной работы, а часть ненормальной;
3) выполнить анализ и отбор набора признаков из аудиодорожек, для его дальнейшего использования;
4) выбрать из числа современных моделей машинного обучения несколько наиболее подходящих для обнаружения аномалий;
5) произвести обучение и тестирование выбранных моделей на предварительно обработанном наборе данных;
6) провести сравнительный анализ полученных результатов по метрикам качества классификации;
7) провести сравнительный анализ полученных результатов времени работы, а также выбрать наилучшее решение;
8) исследовать влияние скрытого слоя нейронной сети автокодировщика на показатели целевых метрик.
Гипотезой, которая была выдвинута в рамках проекта, является
возможность выявления ненормальной работы агрегата, на основе изменения его акустической картины. Эта возможность может быть проверена при построении моделей машинного обучения для обнаружения и классификации аномалий в звуках, издаваемыми разными механическими агрегатами и узлами.
Научная новизна данной работы заключается в разработке модели
обнаружения некорректной работы механизма, исходя из анализа
характеристик, отличных от использованных в предыдущих работах. А также в оптимизации времени работы и повышении покаателей качества уже существующих алгоритмов.
В работе приводятся результаты эксперимента по сравнению
алгоритмов выявления нетипичных звуков на аудиодорожках реальных механизмов и машин, с целью дальнейшего внедрения системы на производство. Также исследовано влияние использования понижающего автокодировщика на время работы алгоритма и влияние размера слоя кодирования на целевые показатели. Результатами работы является модель обнаружения аномалий, построенная на аудио записях работы реальных механизмов. В ходе исследования удалось добиться высоких показателей метрик классификации.
Областью применения полученной модели является проведение оценки и последующий мониторинг состояния механизма или механической системы.