基于鲁棒可迁移IIoT传感器异常分类的人工智能方法研究
机器学习
2021-10-08 v1 人工智能
信号处理
机器学习
摘要
低成本工业物联网（IIoT）传感器平台在工业设备上的日益部署，为工厂中的异常分类带来了巨大机遇。此类分类模型的性能高度依赖于可用的训练数据。当训练数据来自同一台机器时，模型表现良好。然而，一旦机器被更换、维修或置于不同环境中运行，预测往往失败。为此，我们研究在使用不同模型与预处理步骤的离心泵上，采用基于人工智能的鲁棒且可迁移的异常分类方法是否可行——这些离心泵被拆解并在相同及不同环境中重新投运。此外，我们研究了同类不同泵相对于训练数据而言的模型性能。
引用
@article{arxiv.2110.03440,
title = {Towards Robust and Transferable IIoT Sensor based Anomaly Classification using Artificial Intelligence},
author = {Jana Kemnitz and Thomas Bierweiler and Herbert Grieb and Stefan von Dosky and Daniel Schall},
journal= {arXiv preprint arXiv:2110.03440},
year = {2021}
}
备注
This paper is accepted at https://idsc.at/. The final authenticated version is available online and this information will be updated