使用机器学习从传感器数据预测故障

Question

我打算做一个研究项目，该项目涉及使用从传感器获得的时间数据来预测发动机即将发生的故障。数据基本上包含了许多个月每10分钟读取的各种嵌入式传感器的数据。这些数据可用于大约100个左右的不同单位（均为相同的发动机型号），以及故障时间。

虽然我对机器学习有相当好的理解，但我无法接近这一点。我做了一些涉及静态数据集（使用SVM，神经网络，Logistic回归等）的项目，甚至还有一个关于预测时间序列的项目。但这是完全不同的。虽然该项目涉及时间数据，但这不是预测未来价值的问题。相反，它是对顺序时间数据进行异常检测的情况。

请问您能如何处理它？ 我对神经网络/深度学习特别感兴趣，因此任何关于将它们用于此任务的想法也会受到欢迎。我更喜欢使用Python或R，但如果我特别适合这类任务，我会愿意使用其他东西。 你也可以给我一些正式的术语，用它来搜索相关的文献吗？

由于

Answer 1

作为一般性评论，尽量在模型中表达您对物理系统的所有了解，然后使用该模型进行推理。我在论文中研究了这些问题：Unified Prediction and Diagnosis in Engineering Systems by means of Distributed Belief Networks（见第6章）。如果您提供有关您的问题域的其他详细信息，我可以说更多。

不要期望通用机器学习模型（神经网络，SVM等）为您找出问题的结构。拥有正确的模型形式比拥有一般模型+大量数据更重要 - 这是我的经验总结。