一种基于去噪自编码器的数据驱动模块化架构用于制造过程健康指标构建
机器学习
2022-08-11 v1 系统与控制
系统与控制
摘要
在预测与健康管理(PHM)领域，健康指标(HI)可用于辅助生产，例如安排维护并避免故障。然而，HI通常针对特定过程进行设计，且通常需要大量历史数据来进行设置。这对于中小企业(SMEs)而言尤其具有挑战性，它们往往缺乏足够的资源和知识来从PHM中获益。在本文中，我们提出ModularHI，一种在无历史数据系统中构建HI的模块化方法。借助ModularHI，操作员选择可用的传感器输入，然后ModularHI将基于在老化(burn-in)状态下收集的数据计算基线模型。该基线模型随后将用于检测系统是否随时间开始退化。我们在两个开放数据集CMAPSS和N-CMAPSS上测试了ModularHI。前者的结果展示了我们的系统检测退化的能力，而后者的结果指出了该领域进一步研究的方向。结果表明，我们的新方法能够在无历史数据的情况下检测系统退化。
引用
@article{arxiv.2208.05208,
title = {A data-driven modular architecture with denoising autoencoders for health indicator construction in a manufacturing process},
author = {Emil Blixt Hansen and Helge Langseth and Nadeem Iftikhar and Simon Bøgh},
journal= {arXiv preprint arXiv:2208.05208},
year = {2022}
}