基于条件的监测| CBM

Question

机器学习（ML）可以从基于状态的监测（CBM）的振动/声信号做两件事： 1。特征提取（FT）和 2。分类

但是，如果我们仔细观察研究/过程，那么为什么信号处理技术用于预处理以及ML用于其余部分;我的意思是分类？ 对于所有这些，我们只能使用ML。但我已经看到了两种技术的融合模式：传统的信号处理方法和ML。

我想知道具体的原因。为什么研究人员使用这两个他们只能用ML来做;但他们使用两者。

Answer 1

是的，你可以这样做。但是，这项任务变得更加复杂。例如，FFT将输入空间转换为更有意义的表示形式。如果你有旋转设备，你会期望频谱主要取决于旋转的频率。但是，如果出现问题，频谱会发生变化。这通常可以通过例如SVMS来检测。

如果你不做FFT但只给出原始信号，那么SVM很难。尽管如此，我已经看到了最近使用深度卷积网络的实例，这些实例已经学会了预测原始振动数据的问题。然而，缺点是你确实需要更多的数据。更多的数据一般来说不是问题，但是如果你拿一台风力发电机组作为例子，更多的故障数据显然 - 或者希望是---) - 是一个问题。另一件事是ConvNet自己学习了FFT。但是，为什么不使用以前的知识，如果你有...