Нейросеть для анализа данных датчиков вибрации двигателей, температуры и силы тока с прогнозированием поломки оборудован

Добрый день!Нужна ваша помощь! Участвую в научно-практической конференции на работе и хотел в качестве проекта создать и реализовать нейросеть через Python для автоматизированной системы мониторинга электродвигателей(показания датчиков собирать на компьютере и пропускать через нейросеть для прогнозирования поломки и возможности увидеть неккоректный режим работы). Объясните несведущему непрограммисту простым языком))

0

1) Составляете свой набор данных, желательно несколько сотен примеров : хорошие данные- объект исправен, плохие данные - поломка.
2) Нормируете и нормализуете данные.
2) Берете уже обученную нейронку и дообучиваете её на своих данных (Transfer learning).

Поищите примеры в интернете и вперёд. Задача непростая, но интересная.
Пример датасета НАСА по предсказанию обслуживания двигателей github

0

У поломок обычно проблема дисбаланса классов, то есть класс "нет поломки" содержит множество примеров, а класс "поломка" очень мало представлен. Даже бывает, что поломок почти нет в датасете. Тогда можно нагенерировать контрастивные примеры (contrastive learning) - случайные значения показаний датчиков, белый шум - практически со 100% вероятностью получится нечто аномальное, иногда даже можно "нашуметь" всего в двух-трёх датчиках - это сработает, вероятность, что три датчика случайно выдадут нормальный сигнал, равна 0.01^3 или 0.1^3, тут конечно эксперт не помешал бы в оценке... Получится простая задача классификации со сбалансированными классами, обучение с учителем.

Вообще мониторинг состояния и детекция аномалий - это довольно типичная задача, для этого не нужна какая-то НАСА.

Добавлено через 13 минут
Я так считаю, сама задача обучения нейросети - это малое дело. Тут нужна инженерная подготовка вопроса. Мониторинг состояния двигателя - это давно объезженная тема, ещё до нейронок всяких. Ставятся датчики вибрации подшипников - это я точно знаю. Хорошо, если вы хотя бы эксперт в этом вопросе, остаётся нейронки освоить. Либо вы спец по нейронкам и осваиваете мониторинг состояния двигателей, это чуть похуже вариант, но нет ничего хуже, когда вы ни в пед и ни в мед.

1

Вам нужны собранные данные вида 33, 5, 18, 3, 2, 3, 57, 0, 0, 43.5, 930, 460, 971, 1186, 11, 30, 800, 1197, 11 - где последнее число это уровень здоровья оборудования, а числа перед ним это данные с датчиков (температуры, вибрации, давление смазки, напряжение, режим работы и т. д.). Когда соберёте больше 30 записей о работе оборудования, то из любого примера берёте модель нейронки - грубый пример - И по ответу делаете оценку здоровья оборудования. Самое сложное это собрать, очистить и разметить данные, дальше есть множество примеров, в которых различаются только данные.
Или применить машинное обучение, вообще просто Вся сложность в данных.

0

Ещё такой нюанс. Вы можете недюже схватиться за гуж: попытаться охватить диагностику любого электродвигателя, вращающего любую нагрузку - это будет хорошая работа отраслевого значения. Но можете также взять конкретный двигатель, который сейчас работает, крутит какие-нибудь лопасти конкретного вентилятора. Такую задачу проще решить, но распространить результат на другие системы нельзя будет напрямую. Нужно понять, где вы находитесь.

0