使用机器学习从传感器数据预测故障答案

【问题标题】：Failure prediction from sensor data using Machine Learning使用机器学习从传感器数据预测故障
【发布时间】：2014-11-06 17:56:21
【问题描述】：

我将做一个研究项目，该项目涉及使用从传感器获得的时间数据来预测发动机即将发生的故障。数据基本上包含数月内每 10 分钟一次的各种嵌入式传感器的读数。此类数据可用于大约 100 个左右不同的单元（都是相同的发动机型号）以及故障时间。

虽然我对机器学习有相当不错的理解，但我却不知所措。我做过一些涉及静态数据集的项目（使用 SVM、神经网络、逻辑回归等），甚至还有一个关于预测时间序列的项目。但这是完全不同的。虽然该项目涉及时间数据，但它几乎不是预测未来值的问题。相反，它是对顺序时间数据进行异常检测的案例。

请您就我如何处理它提供一些想法吗？我对神经网络/深度学习特别感兴趣，因此也欢迎任何关于将它们用于此任务的想法。我更喜欢使用 Python 或 R，尽管如果它特别适合此类任务，我愿意使用其他东西。你能否给我一些正式的术语，我可以使用它们来搜索相关文献？

谢谢

【问题讨论】：

只是一个想法：如何使用神经网络在时间 t 对一组传感器数据进行分类，以确定引擎是否会在时间 t 之前发生故障+ d 对于一些（预定的）时间间隔 d?
@beaker 是的，那将是完美的，但我该如何解决这个问题呢？喜欢使用什么神经网络？如何让神经网络学习不同的传感器数据流，然后在接下来的一个小时左右显示出故障的可能性非常高？您是否知道任何解决此类问题的论文或文章或教程？我遇到的主要问题是我无法分类它是什么类型的问题。这当然不是静态异常问题，也不是时间序列预测问题。谢谢
@user3046045 你找到解决问题的方法了吗？请分享。

标签： machine-learning statistics neural-network time-series prediction

【解决方案1】：

作为一般性评论，请尽量在模型中表达您对物理系统的所有了解，然后使用该模型进行推理。我在我的论文中研究了这些问题：Unified Prediction and Diagnosis in Engineering Systems by means of Distributed Belief Networks（见第 6 章）。如果您提供有关您的问题域的更多详细信息，我可以说更多。

不要指望通用机器学习模型（神经网络、SVM 等）为您找出问题的结构。拥有正确的模型形式比拥有通用模型 + 大量数据重要得多——这是我的经验总结。

【讨论】：

感谢您的评论和链接。我一定会经历的。我不太明白你关于“拥有正确的模型形式”的观点。
关于项目，我为每个引擎单元准备了一张大的 Excel 表。一张这样的表格包含不同传感器读数（如温度、电压水平等）的时间数据。所以有100个这样的excel表。此外，另一个主表包含引擎发生故障的时间（无论出于何种原因）。目标是使用数据并建立一个实时监控系统，可以在接下来的一个小时左右内提前发出故障警告
@user3046045 回复：“拥有正确的模型形式”：我的意思是基于您对引擎工作原理的了解的模型。不要将问题视为output = F(input1, input2, input3, ...)，其中F 是一个黑盒子。
@user3046045 考虑了几分钟。几个想法：构建一个故障时间模型（也称为可靠性模型或生存模型），其中故障时间是温度、电压等的函数。想法是在常温等情况下，失效时间更长，并且随着温度升高，失效时间变短。另外，我猜有不同的故障模式（轴断裂、绝缘火灾等）。为每种模式建立一个故障时间模型，然后查看最小的等待时间。这就是所谓的竞争效应模型。
关于模型，了解引擎的复杂性真的很重要吗？我的意思是，如果我使用神经网络，它不会通过学习训练数据来自行建模引擎故障模型吗？坦率地说，我对引擎了解不多，我是作为一个数据科学项目来做的。