基于概率异常检测的可解释条件监测方法 applied to Helicopter Transmissions
机器学习
2026-03-10 v1 机器学习
摘要
我们提出了一种新颖的可解释条件监测方法，仅依赖健康数据。由于故障为罕见事件，我们提出应仅学习健康观测的概率分布，并在运行时检测异常。通过定义衡量偏离正常性的概率度量，实现异常检测与预警功能。该方法基于贝叶斯视角，实现不确定性量化以支持决策。同时，我们提供描述性工具以增强结果可解释性，支持该策略在安全关键应用中的部署。该方法在两个实际案例中进行实验验证：一个用于预测性维护的公开基准数据集，以及一个多年收集的真实直升机传动系统数据集。在两种应用中，该方法均以相当于最新异常检测方法的竞争检测性能。
引用
@article{arxiv.2603.08130,
title = {Explainable Condition Monitoring via Probabilistic Anomaly Detection Applied to Helicopter Transmissions},
author = {Aurelio Raffa Ugolini and Jessica Leoni and Valentina Breschi and Damiano Paniccia and Francesco Aldo Tucci and Luigi Capone and Mara Tanelli},
journal= {arXiv preprint arXiv:2603.08130},
year = {2026}
}