Prognostik ve sistem sağlığı yönetimi için derin bir öğrenme modeli

Sağlık durumu izleme yoluyla, Prognostik ve Sistem Sağlık Yönetimi (PSSY) teknikleri, mevcut ve gelecekteki hataların oluşumunun ve mühendislik sistemlerinin gelecekteki durumunun tahminini kolaylaştırır. Bu tahminler, makine operatörlerinin bakım kararlarını objektif olarak yönetmesine ve zamanında almasına olanak tanır. PSSY teknikleri, mühendislik sistemlerinde prognostik ve teşhis sürecini kolaylaştıran içgörüler çıkararak makinelerden üretilen verileri analiz eder. Ancak, bu mühendislik sistemlerinin doğası gereği, veri toplama sürecinde ortaya çıkabilecek kritik riskler nedeniyle gerçek mühendislik sistemlerinden arızaya kadar veri üretmek ve elde etmek son derece zordur. Tekrarlayan Sinir Ağları ve varyantları, PSSY'de yaygın olarak kullanılmıştır. Bununla birlikte, modellerde bilinen engeller nedeniyle, eğitim sırasında yakınsama olmaması muhtemeldir. Sonuç olarak, bir modelin derinliğinin, model optimizasyonuna ve sonuçların doğruluğuna önemli ölçüde katkıda bulunduğu bilgisine rağmen, modeller sığ olarak inşa edilmiştir. Bu çalışma, derin modellerin karşılaştığı dezavantajların üstesinden gelmek amacıyla uzun-kısa dönem hafıza nöronları ile modele derin bir artık dizi önermektedir. Model, PSSY'nin araştırmacılara açık titreşim sinyali verileri tarafından eğitilmiş ve doğrulanmıştır. Veriler, önerilen modelle uyumlu olacak şekilde işlenmiştir. Pearson Korelasyon Katsayıları üzerinde bir eşik ayarlanarak, Başlangıç Zamanı Tahmini objektif olarak tespit edilmiş ve kalan faydalı ömür tahmin edilmiştir. Önerilen model, kümülatif bağıl doğruluk değerlendirme metriği ile değerlendirilmiş ve önceki çalışmalara göre %17,87 daha doğru ve güvenilir sonuçlar üretmiştir