评估基于自编码器的无监督学习在直升机发动机预测性维护中的可行性
机器学习
2026-01-19 v1
摘要
直升机的意外发动机故障可能导致严重的运行中断、安全风险以及高昂的维修费用。为缓解这些风险，本研究比较了两种直升机发动机的预测性维护策略：基于监督分类管道的方法和基于自编码器（AE）的无监督异常检测方法。监督方法依赖于正常和故障行为的标记示例，而无监督方法仅使用健康发动机数据学习正常操作模型，通过识别偏离为潜在故障。两种方法都在来自实际数据集的标记发动机遥测快照上进行评估。虽然监督模型在标记故障可用时表现出色，但AE无需故障标签即可实现有效检测，特别适用于故障数据稀缺或不完整的场景。该比较强调了准确性、数据可用性和部署可行性之间的实际权衡，并概述了无监督学习作为航空航天应用中早期故障检测可行解决方案的潜力。
引用
@article{arxiv.2601.11154,
title = {Assesing the Viability of Unsupervised Learning with Autoencoders for Predictive Maintenance in Helicopter Engines},
author = {P. Sánchez and K. Reyes and B. Radu and E. Fernández},
journal= {arXiv preprint arXiv:2601.11154},
year = {2026}
}