使用機器學習從傳感器數據中預測故障

我要做一個研究項目，它涉及使用從傳感器獲得的時間數據預測發動機即將發生故障。數據基本上包含了多個月每10分鐘一次的各種嵌入式傳感器的讀數。這些數據可用於大約100個左右的不同單位（全部是相同的發動機型號）以及故障時間。使用機器學習從傳感器數據中預測故障

雖然我對機器學習有很好的理解，但我對此感到失望。我完成了一些涉及靜態數據集（使用SVM，神經網絡，Logistic迴歸等）的項目，甚至還有一些項目涉及預測時間序列。但是這是完全不同的。雖然該項目涉及時間數據，但這並不是預測未來價值的問題。相反，它是連續時間數據異常檢測的一種情況。

請你能給我一些想法，我怎麼可以接近它？我對神經網絡/深度學習特別感興趣，因此任何有關將它們用於此任務的想法也將受到歡迎。我寧願使用Python或R，但如果它特別適合這種任務，我會公開使用其他的東西。你也可以給我一些正式的術語，我可以用它來搜索相關的文獻嗎？

感謝

來源

2014-09-12 user3046045

只是一個想法：如何使用神經網絡對時間* t *上的一組傳感器數據進行分類，以確定發動機在時間* t + d *之前是否會失效一些（預定的）時間間隔* d *？ – beaker 2014-09-12 18:29:20

@beaker是的，這將是完美的，但我如何解決這個問題？像什麼神經網絡使用？我如何讓神經網絡學習不同的傳感器數據流，然後指出在接下來的一個小時左右發生故障的機率很高？你知道任何解決這個問題的論文或文章或教程嗎？我遇到的主要問題是我無法分類它是什麼樣的問題。它當然不是一個靜態異常問題，也不是一個時間序列預測問題。謝謝 – user3046045 2014-09-12 20:26:30

@ user3046045您是否找到針對您的問題的解決方案。請分享。 – 2016-08-19 06:31:37

作爲一般性評論，努力表達，你知道在模型中的物理系統的一切，然後使用該模型的推斷。我在論文中研究了這些問題：Unified Prediction and Diagnosis in Engineering Systems by means of Distributed Belief Networks（見第6章）。如果您提供有關問題域的更多詳細信息，我可以多說一些。

不要指望通用機器學習模型（神經網絡，SVM等）爲你找出問題的結構。擁有正確的模型形式遠比擁有一般模型+大量數據更重要 - 這是我的經驗總結。

來源

2014-09-12 19:00:17

感謝您的評論和鏈接。我一定會經歷它。我沒有完全明白「擁有正確的模型」。 – user3046045 2014-09-12 20:28:41

關於這個項目，我爲每個發動機單元配備了一個大型Excel表格。一張這樣的表格包含不同傳感器讀數的時間數據（如溫度，電壓電平等）。所以有100個這樣的Excel表單。另外，另一張表單中包含引擎失敗的時間（無論出於何種原因）。我們的目標是使用這些數據並構建一個實時監控系統，以便在接下來的一個小時內提前發出警告。 – user3046045 2014-09-12 20:35:41

@ user3046045 Re：「擁有正確的模型」：我的意思是一個模型根據你對發動機工作原理的瞭解。不要把這個問題看作'output = F（input1，input2，input3，...）'，其中'F'是一個黑盒子。 – 2014-09-12 21:53:09

使用機器學習從傳感器數據中預測故障

回答

相關問題