训练机器学习模型以检测一个或多个故障的方法技术

本公开描述了一种训练机器学习模型以检测与传动系的至少一个部件相关联的一个或多个故障的方法。该方法包括提供与传动系的至少一个部件相关联的模拟模型，使用预定义配置来配置模拟模型以生成用于机器学习模型的训练数据，使用所配置的模拟模型来生成训练数据，以及使用所生成的训练数据来训练机器学习模型以检测传动系的至少一个部件的健康。模拟模型被配置为基于预定义配置来模拟多个条件，以生成包括多个数据集的训练数据，其中多个数据集中的至少一个数据集与传动系的至少一个部件的对应故障相关联。

【技术实现步骤摘要】
【国外来华专利技术】

本公开涉及状况监测，并且更具体地涉及使用机器学习模型的传动系状况监测。通常，为了检测发动机和相关传动系应用或负载，例如泵或风扇的故障，机器学习模型需要用复杂的测量和相当多的专业知识进行训练。在部署经训练的模型之前，这需要大量的时间和工作。

技术介绍

1、us2020/0103894 a1公开了一种深度学习系统，其被配置为使用训练数据集来训练计算机视觉系统，以识别机械设备的运行特性。

技术实现思路

1、本公开涉及传动系的状况监测。机器学习模型被经常用于基于与传动系部件相关联的各种传感器数据来检测传动系的部件的状况。然而，机器学习方法的使用需要大量的测量数据来训练机器学习模型。

2、这可能特别具有挑战性，因为累积数据、尤其是对于应用的关键缺陷，可能由于例如安全原因而不可行，或者可能非常昂贵。因此，这样的模型的转移仅对于类似应用(即相同类型和相同尺寸)是可能的。为了将机器学习模型转移到不同的应用并实现相同的精度，将需要对现有模型进行耗时的再训练。此外，为了在特定配置中使用机器学习模型，需要传动系的参考条本文档来自技高网...

【技术保护点】

1.一种训练机器学习模型以检测与传动系的至少一个部件相关联的一个或多个故障的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述预定义配置包括与所述传动系的所述至少一个部件相关联的多个参数，每个参数进一步包括与对应的所述参数相关联的多个值。

3.根据权利要求1所述的方法，其中，所述多个数据集包括至少另外的数据集，其中所述至少另外的数据集与所述传动系的所述至少一个部件的正常运行相关联。

4.根据权利要求1所述的方法，其中，所述传感器数据包括与所述传动系的所述至少一个部件相关联的振动数据。

5.根据权利要求1所述的方法，其中，所述传动...

【技术特征摘要】
【国外来华专利技术】

1.一种训练机器学习模型以检测与传动系的至少一个部件相关联的一个或多个故障的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述预定义配置包括与所述传动系的所述至少一个部件相关联的多个参数，每个参数进一步包括与对应的所述参数相关联的多个值。

3.根据权利要求1所述的方法，其中，所述多个数据集包括至少另外的数据集，其中所述至少另外的数据集与所述传动系的所述至少一个部件的正常运行相关联。

4.根据权利要求1所述的方法，其中，所述传感器数据包括与所述传动系的所述至少一个部件相关联的振动数据。

【专利技术属性】
技术研发人员：阿里·阿尔·哈格·阿里，穆罕默德·哈利勒，文森特·马利克，克里斯蒂安·安德烈亚斯·沃尔夫·波佐，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人