工业机械异常检测
您怎么知道一台机器是否在正常运行？问题的回答是：通过利用深度学习来检测工业机器的常规振动数据中的异常情况。异常检测有很多用途，而尤其在预测性维护中特别有用。
这个深度学习的例子讲的是基于双向长短期记忆网络（bilstm）的自动编码器。虽然这个词很拗口，但它仅表示训练网络来重构“正常”数据。这样，当我们给算法提供一些看起来不同的数据时，重构错误会提示您机器可能需要维护。当您所拥有的数据均为“正常”数据时，自动编码器不失是一个很好的尝试方法。
数据集有两部分：维护前的数据和维护后的数据。从逻辑上讲，我们可以假定维护后的数据是“正常”的（当我们有一个称职的维护团队的情况下！）。但是我们对维护前的数据并不确定。
以下显示了两个相互叠加在一起的数据样本。
与其在原始信号上进行训练，不如提取特征区分训练前后的数据，这往往帮助更大。使用diagnostic feature designer应用程序，一次性从所有数据中自动提取特征并对其排序。然后，这个应用程序可以自动创建一个函数generatefeatures，以编程方式重做所有这些工作。
trainfeatures = generatefeatures(traindata);
这就是那个基于bilstm的自动编码器。
featuredimension = 1;
% define bilstm network layers
layers = [ sequenceinputlayer(featuredimension, 'name', 'in')
bilstmlayer(16, 'name', 'bilstm1')
relulayer('name', 'relu1')
bilstmlayer(32, 'name', 'bilstm2')
relulayer('name', 'relu2')
bilstmlayer(16, 'name', 'bilstm3')
relulayer('name', 'relu3')
fullyconnectedlayer(featuredimension, 'name', 'fc')
regressionlayer('name', 'out') ];
自动编码器是这样工作的：在正常数据上训练网络。如果您把正常的数据传给它，就能很好地重构它。如果您把一些不正常的数据传给它，就无法重构它，并且您会从重构错误中看到提示。
在每个通道的排名前四的特征上训练网络—仅根据正常（维护后）数据。
通过挑选合适的重构误差阈值，算法能以相当高的准确率识别出异常情况。而我们有一些已知为异常的测试数据，可以明确地测试算法的准确率。
预测类别
舵机在无人机领域的关键作用
矿端无人值守煤炭调运系统的搭建和应用优势分析
助推智能创新融合，贸泽电子将亮相2021 ELEXCON深圳国际电子展
安费诺高带宽连接器如何面对重重挑战
PIC18F87J72设计的单相电能检测技术
工业机械异常检测
深圳高交会亮点 晶科鑫精彩亮相
HI-FI土炮的最低放大电路基础
疫情给智慧楼宇发展带来重大变革,智能化需求增大
川土微电子CA-IF1028-Q1集成电压调整器的LIN收发器简述
共生链利用区块链解决分类生活服务信息乱象
新华三基于LoRa®的无线联网智能门锁方案，打造智慧校园
高清视频监控网络推动智智慧城市感知层基础设施建设
压力传感器对输液进度的监控和报警的作用
中国首架共享专机“天九一号”在海口首飞，40人只需200万
联通启动5G承载目标网络规划 打造5G未来之都
华为P10疏油层和闪存门事件最新消息：华为在P10危机时刻，发布畅享7Plus或能挽救品牌形象？
怎么映射网络驱动器
厂家直销钢筋对焊机 建筑工地金属件闪光对焊机 螺纹钢对接设备
关于解决电源模块散热问题的PCB设计知识
这个深度学习的例子讲的是基于双向长短期记忆网络（bilstm）的自动编码器。虽然这个词很拗口，但它仅表示训练网络来重构“正常”数据。这样，当我们给算法提供一些看起来不同的数据时，重构错误会提示您机器可能需要维护。当您所拥有的数据均为“正常”数据时，自动编码器不失是一个很好的尝试方法。
数据集有两部分：维护前的数据和维护后的数据。从逻辑上讲，我们可以假定维护后的数据是“正常”的（当我们有一个称职的维护团队的情况下！）。但是我们对维护前的数据并不确定。
以下显示了两个相互叠加在一起的数据样本。
与其在原始信号上进行训练，不如提取特征区分训练前后的数据，这往往帮助更大。使用diagnostic feature designer应用程序，一次性从所有数据中自动提取特征并对其排序。然后，这个应用程序可以自动创建一个函数generatefeatures，以编程方式重做所有这些工作。
trainfeatures = generatefeatures(traindata);
这就是那个基于bilstm的自动编码器。
featuredimension = 1;
% define bilstm network layers
layers = [ sequenceinputlayer(featuredimension, 'name', 'in')
bilstmlayer(16, 'name', 'bilstm1')
relulayer('name', 'relu1')
bilstmlayer(32, 'name', 'bilstm2')
relulayer('name', 'relu2')
bilstmlayer(16, 'name', 'bilstm3')
relulayer('name', 'relu3')
fullyconnectedlayer(featuredimension, 'name', 'fc')
regressionlayer('name', 'out') ];
自动编码器是这样工作的：在正常数据上训练网络。如果您把正常的数据传给它，就能很好地重构它。如果您把一些不正常的数据传给它，就无法重构它，并且您会从重构错误中看到提示。
在每个通道的排名前四的特征上训练网络—仅根据正常（维护后）数据。
通过挑选合适的重构误差阈值，算法能以相当高的准确率识别出异常情况。而我们有一些已知为异常的测试数据，可以明确地测试算法的准确率。
预测类别
舵机在无人机领域的关键作用
矿端无人值守煤炭调运系统的搭建和应用优势分析
助推智能创新融合，贸泽电子将亮相2021 ELEXCON深圳国际电子展
安费诺高带宽连接器如何面对重重挑战
PIC18F87J72设计的单相电能检测技术
工业机械异常检测
深圳高交会亮点 晶科鑫精彩亮相
HI-FI土炮的最低放大电路基础
疫情给智慧楼宇发展带来重大变革,智能化需求增大
川土微电子CA-IF1028-Q1集成电压调整器的LIN收发器简述
共生链利用区块链解决分类生活服务信息乱象
新华三基于LoRa®的无线联网智能门锁方案，打造智慧校园
高清视频监控网络推动智智慧城市感知层基础设施建设
压力传感器对输液进度的监控和报警的作用
中国首架共享专机“天九一号”在海口首飞，40人只需200万
联通启动5G承载目标网络规划 打造5G未来之都
华为P10疏油层和闪存门事件最新消息：华为在P10危机时刻，发布畅享7Plus或能挽救品牌形象？
怎么映射网络驱动器
厂家直销钢筋对焊机 建筑工地金属件闪光对焊机 螺纹钢对接设备
关于解决电源模块散热问题的PCB设计知识