Новости/2026-06-01 Классификация состояния режущего инструмента по акустическим сигналам с использованием машинного обучения

Научный семинар «Классификация состояния режущего инструмента по акустическим сигналам с использованием машинного обучения»

Студент 4-го курса бакалавриата Павел Олегович Клыпин на семинаре лаборатории технологий локации промышленных объектов представил результаты своей выпускной квалификационной работы, посвящённой диагностике состояния режущего инструмента по виброакустическим сигналам.

В ходе семинара Павел Олегович рассказал о возможности определения износа фрезы по звуку работы станка без остановки производственного процесса. С использованием открытого датасета Cutting Tool Wear Audio Dataset были выделены ключевые признаки (mfcc_7_mean, mfcc_11_mean, spec_centroid_mean), которые позволили решать задачи бинарной и многоклассовой классификации состояния инструмента (FRESH, MODERATE, BROKEN).

Павел Олегович сравнил эффективность нескольких методов машинного обучения: логистической регрессии, метода опорных векторов с различными ядрами, случайного леса, градиентного бустинга и метода k-ближайших соседей. Лучший результат в многоклассовой задаче показал SVM с RBF-ядром (Accuracy = 0,79). Также была продемонстрирована работа линейной модели для бинарной классификации с точностью 0,825.

В семинаре приняли участие студенты старших курсов, сотрудники лаборатории и преподаватели кафедры. Участники обсудили возможность применения иных мел-кепстральных коэффициентов для повышения устойчивости классификации в реальных производственных условиях, а также перспективы использования большего объёма данных.

По итогам семинара отмечено, что предложенная методология может быть внедрена в системы мониторинга состояния инструмента на промышленных предприятиях. Результаты работы оценены положительно и рекомендуются к публикации.

• 

  Участники семинара

• 

  П. О. Клыпин представляет результаты работы

• 

  Руководитель лаборатории А. П. Мощевикин задаёт вопросы

• 

  Обсуждение итогов работы