基于压缩机的机器时间序列分析：综述
机器学习
2024-04-04 v2
摘要
在工业和家庭环境中，压缩机机器（如冰箱、暖通空调系统、热泵和冷水机组）对于满足生产和消费者需求至关重要。传感器和物联网连接的普及支持了监控系统的发展，这些系统可以检测和预测故障、识别行为变化并预测机器及其组件的运行状态。本文旨在综述近期关于故障检测（FD）、故障预测（FP）、预测和变点检测（CPD）等任务的研究，这些任务应用于描述压缩机机器运行的多变量时间序列。这些任务通过减少停机时间和维护成本以及提高能源效率，在提升机器效率和寿命方面发挥着关键作用。具体而言，FD检测和诊断故障，FP预测此类事件的发生，预测预测机器特征变量的未来值，CPD识别设备行为的显著变化，例如工作状态的改变。我们识别并分类了上述任务的方法，比较了所使用的算法，指出了当前研究现状的空白，并讨论了该领域最有前景的未来研究方向。
引用
@article{arxiv.2402.17802,
title = {Time Series Analysis in Compressor-Based Machines: A Survey},
author = {Francesca Forbicini and Nicolò Oreste Pinciroli Vago and Piero Fraternali},
journal= {arXiv preprint arXiv:2402.17802},
year = {2024}
}