基于机器学习的传感器数据故障预测

Question

我将做一个研究项目，其中涉及到预测发动机即将发生故障的时间数据从传感器获得。这些数据基本上包含了几个月内每10分钟一次的各种嵌入式传感器的读数。这些数据可用于大约100个不同的单元(所有都是相同的发动机型号)，以及故障时间。

虽然我对机器学习有一个相当好的理解，但我对此却不知所措。我做了一些涉及静态数据集的项目(使用支持向量机、神经网络、Logistic回归等)。甚至是预测时间序列的。但这完全不同。虽然该项目涉及时间数据，但这并不是预测未来价值的问题。相反，它是对时序时间数据进行异常检测的一种情况。

请你给我一些关于我如何处理它的想法。我对神经网络/深度学习特别感兴趣，所以任何将它们用于这项任务的想法都是值得欢迎的。我更喜欢使用Python或R，尽管如果它特别适合于这类任务，我还是愿意使用其他的东西。另外，你能给我一些正式的术语，我可以用它来寻找相关的文献吗？

谢谢

Answer 1

作为一个一般性的评论，试着在一个模型中表达你所知道的关于物理系统的一切，然后使用这个模型进行推断。我在论文中研究过这样的问题：基于分布式信念网络的工程系统统一预测与诊断 (见第6章)。如果您提供关于您的问题域的其他详细信息，我可以说更多。

不要指望一般的机器学习模型(神经网络、支持向量机等)能为你找出问题的结构。拥有正确的模型比拥有一个通用的模型和大量的数据要重要得多--这是我经验的总结。