Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakERI: Harnessing Probabilistic Deep Learning Method Integrated with Tailored Features for Enhanced Real-Time Machinery Fault Diagnosis and Prognosis
Proyek riset & pengembangan

ERI: Harnessing Probabilistic Deep Learning Method Integrated with Tailored Features for Enhanced Real-Time Machinery Fault Diagnosis and Prognosis

Ringkasan tujuan riset

Diagnosis mesin probabilistik menggabungkan Bayesian CNN, LSTM, dan pembaruan inferensi variasional untuk mengenali fault baru dari vibrasi waktu nyata.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2138522Periode tercatat 2022-01-01 sampai 2024-12-31.NSF 2138522MulaiAkhir tercatat202220252022-01-012024-12-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

CNN membangun fitur dengan ketidakpastian, LSTM menangkap korelasi temporal progresi kerusakan, dan backpropagation berbasis inferensi variasional memperbarui model ketika data datang. Analisis SHAP mengukur kontribusi fitur dan digunakan untuk memilih penempatan sensor pada gearbox eksperimen. Pengujian menilai derau, kondisi berubah, data terbatas, serta kegagalan di luar dataset latihan. Kerangka menargetkan monitoring dan prognosis yang lebih robust, dengan generalisasi pada fault baru sebagai tujuan validasi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Michigan Technological University
Program
ERI-Eng. Research Initiation
Periode pendanaan tercatat
2022-01-01 → 2024-12-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Division of Civil, Mechanical, and Manufacturing Innovation

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFTidak aktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.