arXiv · cs.AI · Oliver Niggemann · 4 小时前模型评分30
LaplaceDiag：用执行器效应变化做故障诊断
LaplaceDiag: Fault Diagnosis through Changes in Learned Actuator Effects
导读
研究提出数据驱动方法 LaplaceDiag，通过执行器效应变化缩小故障设备排查范围。它用 LaplaceNet 学习健康状态模型，将基于历史测量的非线性预测与描述执行器对传感器影响的显式矩阵分离，固定历史预测器后可用线性回归估计当前执行器效应，无需重新训练网络。该方法支持在线与离线诊断，在两组数据集上完成评估。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：制造与工业
事件类型：研究发布
证据摘录
- “We introduce LaplaceDiag, a data-driven method that uses changes in actuator effects to narrow the search for faulty equipment.”
来源：arXiv · cs.AI · arxiv.org