机器学习在故障检测中的应用

是白盒模型，因为图形表示使用户可以直观地轻松理解模型变量之间的交互。这对于建模不确定性十分有益，并且可以较容易地使用来自多个来源的数据(通常在制造系统中找到)来对多个原因和结果的层次级别进行建模。训练BN的主要挑战在于树结构的构建。

BN广泛应用于故障监测及可靠性分析领域，1995年 Microsoft公司将 BN 运用于打印机的故障诊断，通过不断计算在不同步骤下可能需要的维修方案的功效确定最优的维修路径。在半导体行业，Yang&Lee和Nguyen等人使用BN评估工艺变量对晶圆质量的影响，从而使用历史工艺数据诊断缺陷晶圆的根本原因。可靠性分析一般包括分析故障发生的概率和时间、系统冗余,需要综合考虑系统的多状态单元、动态变化、运行条件等因素。在能源领域，例如电厂运行可靠性,核能系统的可行性中都有着成功应用。此外BN 还广泛应用于发动机转子、电网、车辆电源系统、液压泵、电力变压器、太阳能发电厂、移动通信网络、制造过程的故障诊断。

人工神经网络(ANN, Artificial Neural Network)

人工神经网络是一种非参数的机器学习算法，受人类中枢神经系统功能的启发。自适应特性提供了强大的建模功能，适用于特征之间的非线性关系。

人工神经网络目前没有一个统一的正式定义。不过，具有下列特点的统计模型可以被称作是“神经化”的：

• 具有一组可以被调节的权重(被学习算法调节的数值参数)这些可调节的权重可以被看做神经元之间的连接强度。
• 可以估计输入数据的非线性函数关系

人工神经网络与生物神经网络的相似之处在于，它可以集体地、并行地计算函数的各个部分，而不需要描述每一个单元的特定任务。

（编辑：宜春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!