Architecture for hybrid modelling and its application to diagnosis and prognosis with missing data

پیشرفت تکنولوژی شامل اینترنت چیزها، محاسبات ابری و داده های بزرگ، چشم انداز جدیدی را در محاسبه قابلیت اطمینان، قابلیت نگهداری، دسترسی و ایمنی بوسیله ترکیب مدل سازی مبتنی بر فیزیک و مدل سازی مبتنی بر داده ها به دست می دهد. این مقاله معماری را برای پیاده سازی مدل ترکیبی بر اساس تلفیق داده های واقعی و داده های مصنوعی به دست آمده در شبیه سازی ها با استفاده از یک مدل مبتنی بر فیزیک پیشنهاد می کند. این معماری دارای دو سطح تجزیه و تحلیل است: یک فرآیند آنلاین انجام شده به صورت محلی و مجازی راه اندازی در ابر انجام شده است. نتایج اولیه در تجزیه و تحلیل تشخیص شکست برای جلوگیری از شکست های آینده، در حالی که دوم منجر به هر دو تشخیص و پیش آگهی. معماری مدل ترکیبی پیشنهاد شده در زمینه ماشین آلات چرخش با استفاده از تحلیل دامنه و دامنه متغیر تایید شده است. یک مدل چندبخشی و یک الگوریتم یادگیری نیمه نظارتی برای انجام مدل سازی ترکیبی استفاده می شود. وضعیت تحمل عنصر نورد مورد تجزیه و تحلیل قرار گرفته و نتایج دقیق برای تشخیص خطا، مکان و اندازه گیری به دست آمده است. اطلاعات متنی دقت نتایج را افزایش می دهد؛ نتایج حاصل از این مدل می تواند به بهبود تصمیم گیری تعمیر و نگهداری و برنامه ریزی تولید کمک کند. کار آینده شامل یک رویکرد تحلیل پیشگیرانه است.