随着越来越强调降低海上风(OSW)行业的运营和维护成本(O $ \&$ M),因此需要探索深度学习(DL)的新方法和应用到域中的要求。基于条件的监控(CBM)一直处于最新研究开发基于警报的系统和数据驱动决策的最前沿。本文简要介绍了该领域正在进行的研究,特别关注警报序列建模以及其实施中面临的相关挑战。本文提出了一个新颖的想法,以比较长期记忆(LSTM)和双向LSTM(BILSTM)模型,预测一组相关的修复动作。使用Bilstm实现高达80.23 $ \%$的培训准确性结果,并且测试准确性结果高达76.01 $ \%$,这表明了未来研究中可以进一步进一步研究所提出方法的潜在好处。本文介绍了一个框架,该框架将拟议的方法集成到o $ \&$ m程序中,并讨论了潜在的好处,其中包括减少过多的警报,以及不必要的船只转移到涡轮机进行故障诊断和矫正。
translated by 谷歌翻译