ЮУрГУ совместно с коллегами из Оксфорда разработали новый метод машинного обучения

Ученые Южно-Уральского государственного университета предложили новый способ работы над коррекцией ошибок кориолисовых расходомеров. Специалисты ЮУрГУ совместно с коллегами из Оксфорда разработали новый метод машинного обучения на основе набора данных. Статья об эталонном наборе данных, предложенных для сравнения методов коррекции, опубликована в одном из самых престижных журналов первого квартиля «Flow Measurement and Instrumentation».

Датасет для безошибочных кориолисовых раходомеров

Кориолисовы расходомеры серьезно облегчили работу по вычислению массового расхода, плотности и температуры жидкостей и газов. Показания приборов точны в однофазной среде, но в двухфазной, например, при появлении в воде пузырьков воздуха, точность измерений сильно падает. Поэтому исследователи разрабатывают способы коррекции ошибок, основой для таких работ выступают методы машинного обучения.

Ученые ЮУрГУ заметили, что все эти способы не универсальные. Коллеги проводят опыты в различных условиях, даже расходомеры отличаются друг от друга. Поэтому сравнивать между собой результаты некорректно. Представители Высшей школы электроники и компьютерных наук ЮУрГУ нашли возможность это исправить.

Руководитель Международной лаборатории технической самодиагностики и самоконтроля приборов и систем ЮУрГУ, профессор Оксфордского университета (Великобритания) Манус Генри, в лаборатории TUV-NEL собрал датасет с данными измерениях кориолисовых расходомеров. Их опубликовали для открытого использования.

«Основная цель нашей работы — предложить набор данных, открытый и общий для всех, на котором можно было бы сравнивать различные разрабатываемые методы коррекции ошибок кориолисовых расходомеров. В машинном обучении есть множество подобных датасетов, на которых ученые «оттачивают» свои методики и корректно сравнивают результаты. Однако датасетов с открытыми всем данными измерений кориолисовых расходомеров до сих пор не было, и наша работа восполняет этот пробел», — объяснила доцент кафедры «Системное программирование» ВШ ЭКН Ольга Ибряева.

Опубликованные данные первыми использовали Ольга Ибряева и магистрант ВШ ЭКН Вячеслав Барабанов. Они подобрали архитектуру нейронной сети, при которой ошибка измерений кориолисовыми расходомерами не достигает даже 1%.

Ценный ресурс для ученых, созданный студентами

Авторы статьи считают, что на основе полученных датасетов можно разрабатывать другие методики для коррекции измерения массы и плотности жидкости. Поэтому все наборы данных, полученные в двухфазной среде, опубликовали в открытом доступе на специальном сайте ЮУрГУ. Его создали бакалавры второго курса ВШ ЭКН Денис Лебедев и Александр Жулев. Сейчас идет работа над усовершенствованием сайта и форумом, где смогли бы общаться ученые.

Интернет-площадка, уверены профессора ЮУрГУ, станет известной базой, где будут храниться эталонные данные для разработки методов в области коррекции измерений кориолисовых расходомеров, а также результаты исследований.

«Мы продолжаем разрабатывать другие методики, которые, возможно, дадут еще лучший результат на этом наборе данных, и призываем к этому ученых. На нашем сайте выложены и другие наборы данных, полученные в двухфазной среде, и в перспективе мы планируем дополнить их данными, полученными при работе расходомера в трехфазной среде. Мы также предусмотрели возможность загрузки своих датасетов и другими исследователями», — рассказала Ольга Ибряева.

Южно-Уральский государственный университет — это университет цифровых трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегий научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В рамках данных направлений исследуются объекты металлургии, машиностроения, энергетики, ЖКХ, безопасного пространства городской инфраструктуры и комфорта человека.

ЮУрГУ — участник Проекта «5-100», призванного повысить конкурентоспособность российских университетов среди ведущих мировых научно-образовательных центров.