机构名称：
¥ 1.0
摘要： - 异常检测是工业环境中预测维护系统的关键组成部分。通过主动识别传感器数据中的异常模式和偏差，可以预测和减轻潜在的设备故障，然后才能导致昂贵的停机时间。机器学习技术已成为在工业系统生成的大量传感器数据流中自动化异常检测的强大工具。本文对基于机器学习的异常检测的最新目前进行了全面审查，以进行预测性维护，重点是应用于传感器数据的技术。我们讨论了工业传感器数据带来的独特挑战，包括高维度，噪声和复杂的时间依赖性。流行的异常检测算法，例如聚类，支持向量机和深度学习方法，以及用于数据预处理，功能工程和模型评估的策略。我们还重点介绍了最新进步，例如结合域知识以及使用增量学习来适应概念漂移。最后，我们讨论了开放的挑战和未来的研究方向，以推进工业系统预测维护的异常检测领域。
使用机器学习的传感器数据中的异常检测
主要关键词
相关文件推荐
