В статье приведен анализ использования технологий искусственного интеллекта для диагностики неисправностей двигателей автомобилей. Обсуждаются методы подготовки аудиосигналов двигателя к анализу (выделение мел-частотных кепстральных коэффициентов – MFCC, построение спектрограмм), архитектуры сверточных нейронных сетей (CNN) для классификации акустических данных и методы аугментации аудиоданных. На основе обзора литературы доказано, что совокупность этих методов позволяет выявлять особые признаки неисправностей на ранних этапах с высокой точностью. Модели сверточных нейронных сетей, используя лог-мел-спектрограммы, демонстрируют показатели точности выше 98%, в то время как комплексные каскады могут обеспечить до 93-94% правильных классификаций типов поломок. Выполненные результаты анализа демонстрируют перспективность использования диагностики звука работы двигателя с использованием искусственного интеллекта.
