Künstliche Intelligenz als Stethoskop für Maschinen
An Geräuschen lässt sich erkennen, wie gut eine Maschine funktioniert. ETH-Forschende in Lausanne haben ein neues maschinelles Lernverfahren entwickelt, das automatisch feststellt, ob eine Maschine "gesund" ist oder eine Wartung benötigt.
Fachleute wissen: Bauteile, Maschinen, Anlagen oder Rollmaterial klingen anders, wenn sie einwandfrei funktionieren, als wenn sie einen Mangel oder Fehler haben. Wer rechtzeitig erkennt, dass eine Maschine fehlerhaft tönt, kann einem kostspieligen Defekt zuvorkommen. Die Überwachung und Untersuchung von Geräuschen gewinnt deshalb an Bedeutung für den Betrieb und die Instandhaltung technischer Infrastruktur. Insbesondere, da das Aufnehmen von Tönen, Geräuschen und akustischen Signalen mit modernen Mikrofonen vergleichsweise kostengünstig ist.
Eine Methode der Erkennung ist die Wavelet-Transformation, die auf der Darstellung von Tönen und Geräuschen in Form von Wellen beruht. Obwohl Verfahren wie dieses recht erfolgreich sind, erfordern sie oft viel Erfahrung und eine manuelle Einstellung der Parameter. Ein von der ETH entwickeltes Lernverfahren ist imstande, die Wavelet-Transformation vollständig zu erlernen und anzuwenden. Die Studie darüber wurde in der Fachzeitschrift "PNAS" veröffentlicht.
Überwachung und Klanganalyse automatisiert
Die Postdoktoranden Gabriel Michau, Gaëtan Frusque, und Olga Fink, Professorin für Intelligente Instandhaltungssysteme, haben ein Verfahren entwickelt, das Ansätze der Signalverarbeitung und des maschinellen Lernens auf eine neue Art und Weise verbindet. Dadurch kann ein intelligenter Algorithmus, also eine Rechenregel, die akustische Überwachung und Klanganalyse von Maschinen automatisch durchführen.
Die Forschenden haben den Algorithmen auch beigebracht, Vogelstimmen einer bestimmten Vogelart zuzuordnen. "Mit unserer Forschung konnten wir aufzeigen, dass unser Ansatz des maschinellen Lernens die Anomalien unter den Geräuschen erkennt, und dass er so flexibel ist, dass man ihn für verschiedene Signale und verschiedene Aufgaben anwenden kann", schließt Olga Fink.
Service: Fachpublikationsnummer DOI: 10.1073/pnas.2106598119call_made