使用机器学习根据传感器数据进行故障预测

Question

我要做一个研究项目，其中涉及使用从传感器获得的时间数据来预测发动机即将发生的故障。这些数据基本上包含多个嵌入式传感器每 10 分钟一次的读数。此类数据可用于大约 100 个左右的不同装置（全部是相同的发动机型号），以及故障时间。

虽然我对机器学习确实有相当好的理解，但我对此却不知所措。我做过一些涉及静态数据集的项目（使用支持向量机、神经网络、逻辑回归等），甚至还有一个关于预测时间序列的项目。但这是完全不同的。虽然该项目涉及时间数据，但它几乎不是预测未来值的问题。相反，这是对连续时间数据进行异常检测的情况。

请问您能给我一些关于我如何处理它的想法吗？我对神经网络/深度学习特别感兴趣，因此任何关于使用它们来完成此任务的想法也将受到欢迎。我更喜欢使用 Python 或 R，尽管如果它特别适合此类任务，我也愿意使用其他东西。另外，您能给我一些正式术语，我可以使用它们来搜索相关文献吗？

谢谢

Answer 1

作为一般性评论，请努力在模型中表达您所了解的有关物理系统的所有信息，然后使用该模型进行推理。我在我的论文中研究了这些问题：通过分布式置信网络进行工程系统的统一预测和诊断（参见第 6 章）。如果您提供有关您的问题域的更多详细信息，我可以说更多。

不要指望通用机器学习模型（神经网络、SVM 等）能够为您找出问题的结构。拥有正确的模型形式比拥有通用模型+大量数据重要得多——这是我的经验总结。