基于时序逻辑神经网络的可解释滚动轴承故障诊断
机器学习
2022-04-20 v2 人工智能
摘要
基于机器学习的方法已在机械故障诊断中取得成功应用。然而，这些方法的主要局限在于其作为黑箱运行且通常不可解释。本文提出一种新颖的神经网络结构，称为时序逻辑神经网络（TLNN），其中网络的神经元为逻辑命题。更重要的是，该网络可被描述并解释为带权信号时序逻辑（weighted signal temporal logic）。TLNN 不仅保留了传统神经网络的优良特性，还以形式化语言对自身提供了形式化解释。使用真实数据集的实验表明，所提神经网络能以良好的计算效率获得高精度的故障诊断结果。此外，神经网络中嵌入的形式化语言可对决策过程提供解释，从而实现可解释故障诊断。
引用
@article{arxiv.2204.07579,
title = {Interpretable Fault Diagnosis of Rolling Element Bearings with Temporal Logic Neural Network},
author = {Gang Chen and Yu Lu and Rong Su and Zhaodan Kong},
journal= {arXiv preprint arXiv:2204.07579},
year = {2022}
}