Перейти к содержимому
Compvision.ru
Pete

Анализ вибрации и ИИ

Recommended Posts

Возникла задача определения режимов работы оборудования по данным вибрации. Т.е. на входе есть спектр частот, на выходе хотелось бы получить данные о режиме работы узлов.

Пока вижу 2 возможных решения:

1. включать узлы по-отдельности и пытаться выделить диапазоны характерных частот;

2. использовать нейронную сеть.

Всё осложняется тем, что оборудования много, узлы могут меняться, хочется максимально автоматизировать процесс анализа.

Интересуют вообще подходы к решению подобных задач.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах
Возникла задача определения режимов работы оборудования по данным вибрации. Т.е. на входе есть спектр частот, на выходе хотелось бы получить данные о режиме работы узлов.

Пока вижу 2 возможных решения:

1. включать узлы по-отдельности и пытаться выделить диапазоны характерных частот;

2. использовать нейронную сеть.

Всё осложняется тем, что оборудования много, узлы могут меняться, хочется максимально автоматизировать процесс анализа.

Интересуют вообще подходы к решению подобных задач.

На вскидку видится вот что:

1) нейросеть, или другой классификатор, все равно нужно обучить, для этого все равно придется включать узлы по отдельности, либо менять режимы работы узлов (тоже по отдельности).

2) не обязательно использовать нейросеть, мне кажется что тут даже лучше пойдет какой нибудь статистический метод, например particle filter.

Ведь можно использовать методику, аналогичную той, что используется для отделения фона.

(можно почитать тут, например: http://www.cgm.computergraphics.ru/content/view/67 )

Собираем статистику спектра нормально работающей машины, затем смотрим, изменения, и потом можно применить классификатор (четкий, или нечеткий).

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Т.е. вы предлагаете не посылать сразу спектр в нейронную сеть, а сначала вычислить некоторую стохастическую модель (отфильтровать сигнал, получить матожидание и дисперсии для спектра) нормальных режимов работы и сравнивать её с также отфильтрованным сигналом текущего режима работы?

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах
Т.е. вы предлагаете не посылать сразу спектр в нейронную сеть, а сначала вычислить некоторую стохастическую модель (отфильтровать сигнал, получить матожидание и дисперсии для спектра) нормальных режимов работы и сравнивать её с также отфильтрованным сигналом текущего режима работы?

Хотя-бы какую то обработку данных сделать нужно, чтобы уменьшить нагрузку на ресурсоемкие методы обработки думаю что стохастические фильтры здесь подходят.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Создайте учётную запись или войдите для комментирования

Вы должны быть пользователем, чтобы оставить комментарий

Создать учётную запись

Зарегистрируйтесь для создания учётной записи. Это просто!

Зарегистрировать учётную запись

Войти

Уже зарегистрированы? Войдите здесь.

Войти сейчас


  • Сейчас на странице   0 пользователей

    Нет пользователей, просматривающих эту страницу

×