一种无传感器轴承故障检测流水线的自动参数化框架
信号处理
2023-06-21 v1
摘要
本研究提出了一种用于永磁同步电机（PMSMs）无外部传感器的轴承故障检测流水线的超参数自动优化框架。通过遗传优化执行自动机器学习（AutoML）流水线搜索，以减少因不恰当的参数化带来的人为偏差。为此，定义了一个搜索空间，其中包含通用的信号处理与操作方法以及针对相应任务和领域定制的方法。所提框架在真实工况下的轴承故障检测用例上进行了评估。同时考虑了所部署故障检测流水线的泛化问题。同样，注重通过实验研究来评估故障检测流水线对训练域与测试域之间电机工况参数变化的鲁棒性。本工作在以下方面对旋转机械故障检测研究做出贡献：（1）在仍考虑专家与任务相关知识的前提下减少数据科学过程中的人为偏差，最终形成通用搜索方法；（2）在无外部传感器（无传感器）需求下解决轴承故障检测任务；（3）学习一种领域鲁棒的故障检测流水线，可应用于变化的电机运行参数而无需重新参数化或微调；（4）对具有过度程度工况差异的研究，以确定流水线在电机参数与流水线超参数抽象方面的局限性。
引用
@article{arxiv.2303.08858,
title = {A Framework for the Automated Parameterization of a Sensorless Bearing Fault Detection Pipeline},
author = {Tobias Wagner and Alexander Gepperth and Elmar Engels},
journal= {arXiv preprint arXiv:2303.08858},
year = {2023}
}
备注
8 pages, 4 figures, 5 tables, ieee conference paper template used