Wykrywanie anomalii łożysk IMS
Zbudowałem system wykrywania anomalii: od danych o drganiach łożysk po uczenie modeli i ocenę alarmów. W ustalonym protokole na publicznych danych IMS, z całymi seriami testowymi wyłączonymi z uczenia, nie potwierdziłem przewagi głębokich autoenkoderów nad prostymi metodami.
Projekt
Powstał odtwarzalny proces wykrywania anomalii: od pobrania sygnałów drgań, przez obliczenie cech i uczenie, po ocenę alarmów i wykresy. Głęboki autoenkoder, autoenkoder odszumiający, PCA i metoda oparta na amplitudzie RMS są porównywane według wspólnego protokołu.
Archiwum i jego dokumentacja obejmują różne zakresy nagrań. Główna ocena korzysta wyłącznie z zakresu opisanego w dokumentacji, a zapisane skróty danych i cech pozwalają wykryć zmienione dane lub niepełne rozpakowanie.
Jak to działa
Podział całych serii pomiarowych
Nagrania drgań są grupowane według serii pomiarowych; seria do oceny nie uczestniczy w uczeniu ani dostrajaniu alarmów.
Nauka odtwarzania danych
Wyłącznie serie po stronie treningowej służą do uczenia modelu odtwarzającego cechy drgań i ustalenia, jaki błąd odtworzenia uruchamia alarm.
Porównanie na nieznanej serii
Ustalony model i próg alarmowy są stosowane do odłożonej serii, a wyniki i alarmy porównywane z prostszymi metodami.
Podział na serie następuje przed uczeniem. Seria testowa nie uczestniczy w skalowaniu, uczeniu, wyborze modelu ani kalibracji progu. Dane treningowe są dzielone według kolejności nagrań, z niewykorzystywanymi odcinkami między etapami. Alarmy oparte na błędzie rekonstrukcji widma korzystają wyłącznie z informacji bieżących i wcześniejszych.
Kontrola podziału zatrzymuje uczenie po wykryciu danych testowych, powtórzonych plików źródłowych lub odwróconej kolejności znaczników czasu. Testy celowo wprowadzają przeciek i sprawdzają, czy zmiana nieznanych danych lub przyszłych wyników nie wpływa na wyuczony model ani wcześniejsze alarmy.
Co wynika z dokumentacji
W tym ustalonym protokole nie potwierdzono przewagi modeli głębokich. Alarmy utrzymujące się od początku serii i zdolność wyniku do rozróżniania nagrań początkowych od końcowych opisują różne właściwości. Główną trudnością pozostało przeniesienie progu ustalonego na innych seriach na serię wcześniej niewidzianą.
Do wyników wykonania na CPU dołączono wyuczone wagi, wyniki punktowe, opis środowiska i skróty kodu. Porównanie można odtworzyć również tam, gdzie prostsze metody wypadają lepiej.
- Nagrania drgań
- 7 588 nagrań
- Obserwacje łożysk
- 30 352 obserwacje
- Wyuczone modele
- 18 modeli
- Wykonanie na CPU bez pobierania
- 48,78 s
- Zaliczone testy
- 59 testów
Zakres
Wnioski dotyczą tego zbioru danych i tego protokołu oceny. Bez rzeczywistych etykiet początku uszkodzenia miary rozróżniające początek i koniec serii nie określają skuteczności wykrywania awarii ani pozostałego czasu eksploatacji.