基于RNN的残差中数值积分分析及其在动态系统故障诊断中的应用
机器学习
2023-05-09 v1
摘要
数据驱动建模与机器学习被广泛用于建模动态系统的行为。其中一个应用是技术系统的残差评估，即将模型预测与测量数据进行比较，以生成用于故障诊断应用的残差。虽然循环神经网络模型已被证明能够建模复杂的非线性动态系统，但它们仅限于固定步长的离散时间仿真。然而，使用神经常微分方程建模，可以在特定时刻评估状态变量，在训练模型时计算梯度，并使用标准数值求解器显式建模时间序列数据的底层动态。本文研究了在训练和评估过程中，求解器选择对神经常微分方程残差性能的影响。论文包含一个重型卡车后处理系统的案例研究，以凸显这些技术在提升故障诊断性能方面的潜力。
引用
@article{arxiv.2305.04670,
title = {Analysis of Numerical Integration in RNN-Based Residuals for Fault Diagnosis of Dynamic Systems},
author = {Arman Mohammadi and Theodor Westny and Daniel Jung and Mattias Krysander},
journal= {arXiv preprint arXiv:2305.04670},
year = {2023}
}