使用监督学习模型的电动机预测性维护：一项对比分析
机器学习
2025-04-08 v1
摘要
预测性维护是确保工业系统可靠性和效率的关键策略。本研究调查了监督学习模型在诊断电动机状况方面的应用，将其分类为“健康”、“需要预防性维护（PM）”或“损坏”。采用电动机运行的关键特征来训练各种机器学习算法，包括朴素贝叶斯、支持向量机（SVM）、回归模型、随机森林、k 近邻（k-NN）和梯度提升技术。评估了这些模型的性能，以确定用于预测电动机健康状况的最有效分类器。结果显示，各模型的准确性存在显著差异，其中一个模型脱颖而出成为性能最佳的解决方案。本研究强调了使用监督学习进行电动机诊断的实用性，为高效的维护调度和最小化工业应用中的计划外停机时间奠定了基础。
引用
@article{arxiv.2504.03670,
title = {Predictive Maintenance of Electric Motors Using Supervised Learning Models: A Comparative Analysis},
author = {Amir Hossein Baradaran},
journal= {arXiv preprint arXiv:2504.03670},
year = {2025}
}