• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Through-life Engineering Services >Probabilistic Machine Learning Could Eliminate No Fault Found
【24h】

Probabilistic Machine Learning Could Eliminate No Fault Found

机译：概率机器学习可以消除未发现故障

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many Condition Indicators have been implemented, yet success has been limited owing to their sensitivity to artifacts that invariably corrupt vibration measurements under real-life operations. Here we report a novel approach based on a stochastic non-linear fault evolution model. This probabilistic machine learning algorithm estimates fault magnitudes and probabilities, which were compared to component removals validated by tear down analyses, and achieved a 94% consistency rate over all available data thanks to excellent artifact rejection. This novel maintenance support tool can detect hidden conditions early while virtually eliminating NFF (false positives).
机译：已经实施了许多条件指标，而且由于它们对实际操作中的振动测量的振动测量的敏感性，因此成功已经有限。在这里，我们报告了一种基于随机非线性故障进化模型的新方法。该概率机器学习算法估计故障幅度和概率，与拆除分析验证的组件除去相比，由于优秀的伪影抑制，因此在所有可用数据上实现了94％的一致性率。这种新颖的维护支持工具可以提前检测隐藏条件，同时实际上消除NFF（误报）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号