機(jī)器學(xué)習(xí)之于IOT淺見
為了更好地服務(wù)于目標(biāo)客戶, 嵌入式設(shè)計(jì)團(tuán)隊(duì)也在研究新技術(shù), 如機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。 深度學(xué)習(xí)允許這些設(shè)計(jì)師以有限的資源更快地開發(fā)和部署復(fù)雜的系統(tǒng)和設(shè)備。 通過這些技術(shù), 設(shè)計(jì)團(tuán)隊(duì)可以使用數(shù)據(jù)驅(qū)動(dòng)的方法建立系統(tǒng)或復(fù)雜的系統(tǒng)模型。
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)不是用基于物理的模型來描述系統(tǒng)的行為, 而是從數(shù)據(jù)推導(dǎo)出系統(tǒng)的模型。當(dāng)需要處理的數(shù)據(jù)量相對(duì)較小, 而且問題的復(fù)雜性較低時(shí), 傳統(tǒng)的機(jī)器學(xué)習(xí)算法是有用的。但是, 如果有更多的數(shù)據(jù), 比如無人機(jī), 那么更大的問題又如何呢? 這個(gè)挑戰(zhàn)需要深度學(xué)習(xí)技術(shù)。 這種技術(shù)將把我們推向下一個(gè)控制設(shè)計(jì)和物聯(lián)網(wǎng)應(yīng)用的時(shí)代。
機(jī)器學(xué)習(xí)在工業(yè)資產(chǎn)中的應(yīng)用
首先, 考慮機(jī)器學(xué)習(xí)技術(shù)在工業(yè)資產(chǎn)狀態(tài)監(jiān)測中的應(yīng)用。機(jī)器學(xué)習(xí)將基于條件的監(jiān)測應(yīng)用從被動(dòng)和預(yù)防性維護(hù)的時(shí)代過渡到預(yù)測性維護(hù)。 這些技術(shù)用來檢測異常行為, 診斷問題, 并在某種程度上預(yù)測了工業(yè)資產(chǎn)的剩余使用壽命, 比如馬達(dá), 水泵和渦輪機(jī)等等。
基于機(jī)器學(xué)習(xí)開發(fā)和部署模型的工作流程如圖1所示:
圖1 分析工作流程與機(jī)器學(xué)習(xí)
看看這個(gè)流程是如何用來監(jiān)測馬達(dá)健康狀況的。數(shù)據(jù)來自于多種類型的傳感器, 如加速度計(jì), 熱電偶和電動(dòng)機(jī)上的電流傳感器等。 特征工程通常由兩部分組成: 特征提取和特征提煉(圖2)。
圖2 特征工程
特征提取是用來從原始數(shù)據(jù)(或波形)中獲取有用信息, 以了解資產(chǎn)的健康狀況。例如, 從電動(dòng)機(jī)發(fā)出的電流信號(hào)的頻譜包含了可用于檢測故障的信息, 如圖3所示。 頻譜中不同頻段的平均振幅可以作為從當(dāng)前信號(hào)中提取的特征。 從多個(gè)傳感器中提取的特征可能有冗余信息。
圖3 從電機(jī)電流信號(hào)中提取特征
一種特征提煉的方法是主成分分析(PCA) , 可以用來減少最終用于構(gòu)建模型的特性數(shù)量。、特征數(shù)量的縮減可以減少所使用機(jī)器學(xué)習(xí)模型的復(fù)雜性?s減的特征集被表示為向量(或數(shù)組) , 并輸入到模型使用的機(jī)器學(xué)習(xí)算法中。
機(jī)器學(xué)習(xí)的類型
模型創(chuàng)建和驗(yàn)證是一個(gè)迭代過程, 通過這個(gè)過程, 可以實(shí)驗(yàn)幾種機(jī)器學(xué)習(xí)算法, 并選擇最適合目標(biāo)應(yīng)用的算法。一種非監(jiān)督的機(jī)器學(xué)習(xí)算法, 如高斯混合模型(GMM) , 可以用來模擬電機(jī)的正常行為, 并檢測電機(jī)何時(shí)開始偏離其基線。 非監(jiān)督的方法有利于發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式, 而無需對(duì)數(shù)據(jù)進(jìn)行標(biāo)記。
雖然非監(jiān)督學(xué)習(xí)可以用來檢測馬達(dá)中的異常, 而監(jiān)督學(xué)習(xí)則需要檢測異常的原因。 在監(jiān)督學(xué)習(xí)中, 提出了一對(duì)輸入數(shù)據(jù)和所需輸出的算法。這些數(shù)據(jù)被稱為標(biāo)記數(shù)據(jù)。該算法是將輸入映射到輸出的函數(shù)。用于訓(xùn)練機(jī)器學(xué)習(xí)算法的數(shù)據(jù)包括在正常和錯(cuò)誤條件下提取的特征。 這些特特征是用一組標(biāo)簽來清楚地標(biāo)識(shí)出馬達(dá)的狀態(tài)。 支持向量機(jī)、 Logit模型和人工神經(jīng)網(wǎng)絡(luò)是常用的監(jiān)督式機(jī)器學(xué)習(xí)算法。
對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)的挑戰(zhàn)是特征提取過程。 這是一個(gè)脆弱的過程, 需要領(lǐng)域?qū)<业闹R(shí), 通常是機(jī)器學(xué)習(xí)工作流程中的勝負(fù)關(guān)鍵。
向深度學(xué)習(xí)工作流程的邁進(jìn)
深度學(xué)習(xí)算法最近越來越流行, 可能是因?yàn)樗鼈儾辉傩枰卣鞴こ滩襟E。從傳感器獲得的數(shù)據(jù)(原始測量)可以直接輸入 DL 算法, 如圖4所示。
圖4 深度學(xué)習(xí)的工作流程
深度學(xué)習(xí)算法是基于人工神經(jīng)網(wǎng)絡(luò)的。人工神經(jīng)網(wǎng)絡(luò)算法受到了生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能方面的啟發(fā)。這些算法的結(jié)構(gòu)形式是由一組相互連接的計(jì)算節(jié)點(diǎn)(人工神經(jīng)元)組成的層次結(jié)構(gòu)。 第一層被稱為輸入層, 它是輸入信號(hào)或數(shù)據(jù)的接口。最后一層是輸出層, 這一層中神經(jīng)元輸出最終的預(yù)測或結(jié)果。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國智造CIO在線峰會(huì)
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題
- 1 【一周車話】沒有方向盤和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無人駕駛車,還未迎來“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 6 馬斯克致敬“國產(chǎn)蘿卜”?
- 7 神經(jīng)網(wǎng)絡(luò),誰是盈利最強(qiáng)企業(yè)?
- 8 比蘋果偉大100倍!真正改寫人類歷史的智能產(chǎn)品降臨
- 9 諾獎(jiǎng)進(jìn)入“AI時(shí)代”,人類何去何從?
- 10 Open AI融資后成萬億獨(dú)角獸,AI人才之爭開啟
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市