管理传感器热噪声对核应用机器学习的影响
信号处理
2023-10-03 v1
摘要
加速度计、磁力计和陀螺仪等传感器常用于核电厂中的测量。例如，加速度计用于关键系统的振动监测。随着近期机器学习的兴起，此类传感器捕获的数据可用于构建用于预测性维护和自动化的机器学习模型。然而，已知这些传感器具有会影响其准确度的热噪声。热噪声在传感器间以信噪比（SNR）而言存在差异。该热噪声将在基于传感器融合的机器学习模型部署于生产时导致其准确度下降。本文列举了加拿大重水铀（CANDU）反应堆中一些使用此类传感器、因而若利用机器学习便可能受热噪声问题影响的应用。我们提供了一系列建议，以助于在未来构建基于传感器融合的核应用机器学习模型时缓解该问题。此外，本文展示了不同机器学习算法受该问题的影响程度不同，因此选择更具韧性的模型有助于缓解该问题。
引用
@article{arxiv.2310.01014,
title = {Managing the Impact of Sensor's Thermal Noise in Machine Learning for Nuclear Applications},
author = {Issam Hammad},
journal= {arXiv preprint arXiv:2310.01014},
year = {2023}
}