人工智能数据机器学习在故障检测中的应用
软工小法师
2024-04-23 23:00
数据机器学习在故障检测中的应用。人工智能的定义可以分为两部分,即“ 人工”和“ 智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。
前言:传统工业中,维修时花费的大部分时间都在故障的诊断上,而不是进行实际的补救,因为故障诊断是机器维修中最具挑战性的阶段。在能源行业中,精确的故障诊断直接影响到供能的稳定性。
随着传感器技术,数据存储和互联网的飞速发展,工厂变得越来越智能,并且生成更多的过程数据。针对大量数据的数据分析需求应运而生,通过基于数据的机器学习技术能有效改善故障诊断。
本文将简要介绍几种在故障诊断领域广泛应用的机器学习技术及其各自的应用方向,并对每种技术的优缺点进行简单分析。包括:贝叶斯网络(BN),人工神经网络(ANN),支持向量机(SVM)和隐马尔可夫模型(HMM)技术。
贝叶斯网络(BN,Bayesian Network)
贝叶斯网络是故障检测的一种常用的机器学习技术。BN是有向无环图,即网络结构要求节点之间不能形成任何闭环,其节点表示随机变量,其条件相关性由链接节点的有向弧表示。
BN是白盒模型,因为图形表示使用户可以直观地轻松理解模型变量之间的交互。这对于建模不确定性十分有益,并且可以较容易地使用来自多个来源的数据(通常在制造系统中找到)来对多个原因和结果的层次级别进行建模。训练BN的主要挑战在于树结构的构建。
BN广泛应用于故障监测及可靠性分析领域,1995年 Microsoft公司将 BN 运用于打印机的故障诊断,通过不断计算在不同步骤下可能需要的维修方案的功效确定最优的维修路径。在半导体行业,Yang&Lee和Nguyen等人使用BN评估工艺变量对晶圆质量的影响,从而使用历史工艺数据诊断缺陷晶圆的根本原因。可靠性分析一般包括分析故障发生的概率和时间、系统冗余,需要综合考虑系统的多状态单元、动态变化、运行条件等因素。在能源领域,例如电厂运行可靠性,核能系统的可行性中都有着成功应用。此外BN 还广泛应用于发动机转子、电网、车辆电源系统、液压泵、电力变压器、太阳能发电厂、移动通信网络、制造过程的故障诊断。
人工神经网络(ANN, Artificial Neural Network)
人工神经网络是一种非参数的机器学习算法,受人类中枢神经系统功能的启发。自适应特性提供了强大的建模功能,适用于特征之间的非线性关系。
人工神经网络目前没有一个统一的正式定义。不过,具有下列特点的统计模型可以被称作是“神经化”的:
- 具有一组可以被调节的权重(被学习算法调节的数值参数)这些可调节的权重可以被看做神经元之间的连接强度。
- 可以估计输入数据的非线性函数关系
人工神经网络与生物神经网络的相似之处在于,它可以集体地、并行地计算函数的各个部分,而不需要描述每一个单元的特定任务。
单个神经元示意图,f为函数关系,w为权重
ANN的非参数性质及其以高精度对非线性复杂问题进行建模的能力,使ANN可应用于故障诊断问题。该模型易于初始化,因为不需要像BN一样指定网络结构。但是,缺点包括“黑匣子”性质,这使得模型难以解释。此外,人工神经网络通常无法处理输入中的不确定性,并且计算量大,因此在训练过程中收敛通常会较慢。人工神经网络容易过度拟合,需要大量的多样化数据集进行训练以防止出现此问题。
ANN以大规模并行能力,适应学习能力,分布式信息存储、鲁棒性等特点,在故障监测及诊断领域大受关注。大量多样的神经网络算法被开发及利用。神经网络算法可以说是机器学习技术中的明星。其应用范围十分广泛,在能源领域有着相对成熟的应用,包括负荷预测,各类故障诊断等等。
支持向量机(SVM, supportvector machine)
SVM使用不同的核函数(例如径向基函数(RBF)或多项式内核)来找到一种能将数据最好地分离的超平面,并且在与小型训练集一起使用时具有良好的分类性能。支持向量机的成功应用领域包括面部识别,手写字符识别,语音识别,图像检索,预测等。
SVM是建模线性和非线性关系的出色技术。与其他非参数技术(例如ANN)相比,计算时间相对较快。大型训练数据集的可用性是机器学习中的一个挑战,但是,即使在训练数据量有限的情况下,SVM也有不错的效果。
支持向量机在故障定位中的应用不像BN和ANN常见。支持向量机是工业生产系统的非常有效的监视和诊断工具,例如使用该技术来诊断在不同切削条件下的端面铣削过程中的刀具破损故障。以及SVM在风力发电机组中的故障监测,此外在医学领域,SVM被用于各种疾病的诊断,例如用于癌症及糖尿病的监测。在能源领域,支持向量机还被应用于负荷预测,例如房屋冷热负荷预测,风电发电量预测及用户负荷预测等。
隐马尔可夫模型(HMM, Hidden Markov Model)
隐马尔可夫模型是马尔可夫链模型的扩展,用于估计动态过程中状态转换和测量输出的概率分布,假定过程的状态不可观察。描述一个含有隐含未知参数的马尔可夫过程,是一个双重随机过程(包括马尔可夫链和一般随机过程)。
HMM是一种概率模型,在建模过程中具有不可观察的状态(例如化学过程或设备的健康状况)方面非常出色,因此非常适合故障诊断。但是,训练过程通常需要大量计算。
HMM已用于连续和离散制造系统的故障诊断。例如,诊断轴承的磨损及故障,应用于复杂化工过程的故障监测,感应电动机的故障诊断等。此外,HMM广泛应用在语音识别,词性自动标注,音字转换,概率文法等各个自然语言处理、算术编码、地理统计学、企业产品市场预测、人口过程、生物信息学(编码区域或基因预测)等应用领域。在能源领域,也被应用于房屋负荷预测。
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对 人工智能下了这样一个定义:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的 智力才能胜任的工作,也就是研究如何应用计算机的软 硬件来模拟人类某些智能行为的基本理论、方法和技术。
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
人工智能数据机器学习在故障检测中的应用
下载Word文档到电脑,方便收藏和打印~
猜你喜欢
人工智能数据机器学习在故障检测中的应用
机器学习&数据科学&人工智能等的区别
人工智能在数据中心的广泛应用做好准备了吗?
编程热搜
人工智能你要知道的那些事
编程学习网:早在1g时代我们只能接打电话。2g时代可以打电话发短信,玩早期的qq,但网络十分不稳定。3g时代带给我们很大的改变就是宽带上网,视频通话,看视频,听歌玩游戏。那时的人们认为4g无用,认为不会有什么改变,但当4g出来时我们才发现这是一次质的飞跃。人工智能无人机管制到底有多难?
编程学习网:近日,一段“重庆网红列车遭无人机撞击逼停”的视频,在网络热传。人工智能与人类
欢迎各位阅读本篇,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。本篇文章讲述了人工智能与人类,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!两小时 Elasticsearch 性能优化,直接把慢查询干团灭了……
公共集群的机器负载分布不均衡的问题,业务的查询和流量不可控等各种各样的问题,要节省机器资源就一定会面对这种各种各样的问题,除非土豪式做法,每个业务都拥有自己的机器资源,这里面有很多很多颇具技术挑战的事情。关于OpenStack的架构详细讲解
欢迎各位阅读本篇文章,OpenStack是一个开源的云计算管理平台项目,由几个主要的组件组合起来完成具体工作。本篇文章讲述了关于OpenStack的架构详细讲解,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!AI &神经网络
欢迎各位阅读本篇,本篇文章讲述了AI &神经网络,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。神经网络内容丰富,反映了当前国内外该领域的最新研究成果和动向,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!人工智能对于网络安全的优缺点
编程学习网:如今,产生的数据比以往任何时候都要多。由于数据分析工具的发展,各行各业的组织都更加重视大数据的收集和存储。Bash 初学者系列 7:bash 中的条件语句(if else)
今天我们介绍一下如何在 bash 中使用条件语句。人工智能机器学习的重要趋势是什么?
编程学习网:在竞争日益激烈的技术市场中,从高科技初创公司到全球跨国公司都将人工智能视为关键竞争优势。但是,人工智能行业发展如此之快,以至于很难跟踪最新的研究突破和成就,甚至很难应用科学成果来实现业务成果。人工智能为什么会觉得Matplotlib用起来困难?
编程学习网:Matplotlib是一个流行的Python库,可以很容易地用于创建数据可视化。
编程资源站
- 资料下载
- 历年试题