LACSF框架在故障检测与缓解中的部署

《Scientific Reports》：LACSF framework deployment for fault detection and mitigation

　　

摘要

在工业制造系统中，人工智能驱动的故障检测正变得越来越重要，因为传统的诊断方法在可靠性和实时反馈方面往往存在不足。本文介绍了一种模块化人工智能框架的集成应用，该框架旨在通过实现智能故障监控系统来克服这些挑战。所提出的架构包含四个集成层：用于预处理和转换复杂输入信号的传感器驱动自适应包络层（SDAEL）；智能偏差映射引擎（IDME），该引擎结合了一类支持向量机（SVM）和长短期记忆网络（LSTM）来进行故障检测；故障洞察通知核心（FINC），用于实时故障分类；以及联邦学习与恢复引擎（FLARE），该引擎支持跨互连节点的安全、去中心化的数据更新。这一框架能够在各种制造机械领域实现早期故障检测。为了验证这种方法的有效性，在一台在变化条件下运行的塑料瓶制造机上进行了实验部署。实验评估表明，与传统诊断方法相比，该框架具有更高的检测准确性和更快的响应速度。此外，对比测试显示，FLARE的精确度为0.80、召回率为0.85、F1分数为0.85，分别比单独使用的LACSF模型（F1分数为0.72）和LSTM自动编码器（F1分数为0.62）高出13点和23点。这凸显了该框架在改进故障诊断方面的潜力。