Fault diagnosis for multi-state equipment with multiple failure modes
Notice bibliographique
Résumé
Multi-state systems have received considerable attention recently with regards to reliability and maintenance. Since most mechanical equipment operates under some sort of stress or load, it tends to deteriorate or degrade over time, thus possibly resulting in discrete degradation states (damage degrees), ranging from perfect functioning to complete failure. This multi-state deterioration is the motivation for using condition monitoring tools for the purpose of modeling, diagnosis, prognosis, and condition-based maintenance. Most mechanical equipment is subject to multiple independent failure modes and degradation processes. Rather than independently diagnosing and prognosing the health condition of the equipment for a single failure mode, it is important to investigate how multi-dimensional condition monitoring information can be used for recognition purposes of the state of the health of equipment with multiple independent failure modes. This paper focuses on a non-repairable piece of equipment with multiple independent failure modes, in which the state of the equipment for each single failure mode is not directly observable and only incomplete information is available through condition monitoring. The main objective of this paper is to develop a method to obtain an observation probability matrix which can be used as the main tool for damage degree classification of each failure mode. An observation probability matrix represents the statistical relationship between the actual health state (damage degree and failure mode) of the equipment and the condition monitoring information. This observation probability matrix is an input for such methods, as hidden Markov models, hidden Semi-Markov models, and Naïve Bayes classifiers. We modify the Naïve Bayes classifier to use this observation probability matrix for classification. The result of this paper is applied for damage degree classification of a planetary gearbox, which is subject to multiple failure modes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».