雷网空间
雷网空间
雷网空间>人类科学>使用机器学习来早期发现异常有助于避免损坏

使用机器学习来早期发现异常有助于避免损坏

发布时间:2019-01-10 21:52:01

使用机器学习来早期发现异常有助于避免损坏.jpg

对机器,设备或建筑物的传感器数据的分析使得可以提前检测异常状态并因此避免进一步的损坏。为此,搜索监视数据的异常。通过机器学习,异常检测已经可以部分自动化。

机器学习方法首先需要一个稳定的学习阶段,在这个阶段他们可以了解所有可能的常规状态。对于风力涡轮机或桥梁,这仅在非常有限的程度上是可能的,因为它们例如暴露于高度波动的天气条件下。此外,关于异常事件的信息通常很少。结果,系统难以识别和分类异常状态。然而,这一知识对于了解各自与规范的偏差是多么不稳定非常重要。这些问题将在“随机 - 确定性多传感器信号的机器学习程序”(MADESI)项目中得到解决。

数值模拟可以贯穿所有可能的场景。例如,可以模拟强风暴袭击风力涡轮机时会发生什么。然后可以使用由这些模拟生成的数据训练监测系统,然后自主地检测和解释异常。

MADESI项目的研究人员开发了一些方法,可以在机器学习中使用仿真数据。在这里,监控系统需要以这样的方式设计,即可以使用真实的传感器数据和模拟数据对其进行训练。此外,该联盟打算增加监测数据的可解释性。 “为此,我们SCAI致力于数据挖掘方法,这些方法可以识别方案数据中的模式,”Fraunhofer SCAI“数值数据驱动预测”部门负责人Jochen Garcke教授解释道。 “在这里,我们还寻找风力涡轮机齿轮箱的特定损坏或风力涡轮机转子叶片上的冰的特征。”

上一篇:时尚如何快速伤害环境、工人和社会 下一篇:Target商店实体结合数字销售发挥作用 猜您喜欢的人类科学
©雷网空间 粤ICP备15074401号-1