　艾姆斯研究中心的卓越诊断学中心（PCoE）为预测技术的发展提供了保护伞，专门解决了航空和太空探索应用领域内的预测技术空白。

主站内容

　各种预后技术开发途径中的共同点是在组件级别研究故障物理。在此级别上对损坏的发生和传播进行建模是描述组件运行状况的关键要素。同样重要的是，对算法开发进行资源投资以提供剩余组件寿命和不确定性管理的估计。
　　各种预后技术开发途径中的共同点是在组件级别研究故障物理。在此级别上对损坏的发生和传播进行建模是描述组件运行状况的关键要素。同样重要的是，对算法开发进行资源投资以提供剩余组件寿命和不确定性管理的估计。
　　我们有兴趣应对的一些挑战包括：

为此，我们将采用工程，统计和机器学习中的工具。具体来说，我们利用以下方面的专业知识：

预后数据存储库
　预后算法开发中的常见瓶颈之一是数据的可用性，该数据允许对算法性能进行比较和基准测试。该数据存储库旨在通过向研究团体提供预后数据集来缓解瓶颈。
+访问预后数据存储库

系统健康，分析，弹性和物理建模（SHARP）实验室
　PCoE利用旨在测试，测量，评估和成熟诊断和预后健康管理技术的实验室设施。
许多硬件在环测试台和相关的测量设备可以控制，可重复，安全地注入故障。
+访问SHARP

项目清单

	项目清单（有效）
1	电池预测项目负责人：Matthew Daigle 基于快速评估充电状态（SOC）和健康状态（SOH)(诊断）并结合预期的环境和环境因素、负载条件，开发可预测电池充电终止和寿命终止（预测）的算法。在电池上进行子量表实验以证明预后能力。
2	数据驱动的预测项目负责人：Kai Goebel 开发主要不是基于物理模型的算法，而是从训练数据中学习剩余寿命的算法。这里要解决的问题是需要处理稀疏的时间序列数据，提供合理的不确定性估计以及处理验证问题。
3	电子预后项目负责人：Chetan Kulkarni 研究所选航空电子设备中关键电子组件的损坏传播机制。具体来说，了解热循环，电气过应力和振动对MOSFET，IGBT等造成的老化影响，并开发损伤传播模型。
4	预测虚拟空域实验室项目负责人：克里斯·特伯特进行涉及无人机，虚拟飞机和硬件在环要素的实验，以帮助开发和测试用于预测的新技术。
5	国家空域系统安全的实时监测和预测项目负责人：Indranil Roychoudhury 为了帮助NAS利益相关方做出明智的决策，我们正在开发一种基于模型的方法，用于NAS的安全性的自动化实时监控和预测。
6	阀门预后项目负责人：Matthew Daigle 应用基于物理学的建模方法来预测控制阀。开发用于状态和参数估计以及寿命终止预测的基于模型的预测算法。执行全面的模拟研究。
7	不确定性管理项目负责人：Shankar Sankararaman 该项目致力于通过计算不同类型的工程组件和系统的剩余使用寿命的概率分布，来量化影响预测的不确定性的不同来源，并评估它们对预测的综合影响。由于预测学处理的是对未来的预测，因此可能无法精确预测此类工程组件的未来行为，因此通过估算此类预测的不确定性来量化对此类预测的信心非常重要。估计的不确定性对于做出有关延寿，减少故障，任务重新计划等多项活动的风险相关决策很有用。
8	X-Plane Connect工具箱项目负责人：克里斯·特伯特 X-Plane Connect（XPC）工具箱是一个开源研究工具，用于与商业飞行模拟器软件X-Plane进行交互。

项目清单（完成）

1	执行器预后项目负责人：爱德华·巴拉本该项目致力于在电动执行器（EMA）生命周期内的任何时刻检测和分类初期故障状况，这些状况可用于向维护人员提供EMA组件健康状况的准确信息，从而实现按需选择性维修。
2	自动化应急管理（ACM）项目负责人：Abhinav Saxena 自动化应变管理（ACM）技术旨在以自动化方式适应即将发生的故障情况。通常，它以分层的方式执行资源分配和低级和高级控制器的系统重新配置的多目标约束优化问题。这里考虑的ACM特别关注如何集成和处理预后信息以更有效地执行此类重新配置任务。
3	诊断算法基准测试项目负责人：Scott Poll 已经使用ADAPT实验室中的电力系统测试平台开发并实施了诊断技术的系统基准测试框架。我们的基准测试方法会生成用于诊断基准测试的实际数据集，并强调使用标准化的词汇表和协议，这些词汇表和协议可共同评估不同诊断技术的有效性。该框架已在国际诊断原理研讨会（DX）主办的两次诊断竞赛中使用。
4	使用概率计算的诊断推理项目负责人：Ole J. Mengshoel 该项目的目的是研究诊断推理的概率方法。我们的研究包括新方法和算法的开发，尖端应用程序的开发以及对NASA重要性的论证。我们研究了一个现实世界的电力系统（EPS），即代表先进诊断和预测的测试平台航空航天车辆中发现的EPS，证明了概率推理方法如何提供可扩展的方法，并有可能在飞机和航天器中进行实时评估。
5	分布式预测项目负责人：Sankalita Saha 分布式预测是ISHM系统发展的下一步。它们涉及通过使用智能传感器设备的分布式体系结构来协调系统的健康管理。这些设备监视各个子系统的运行状况。当任何组件/子系统触发需要更多关注的故障可能性时，这些设备将相互协作以估计RUL（剩余使用寿命）以及对整个系统的健康影响。
6	HyDE诊断项目负责人：Sriram Narasimhan 开发基于模型的诊断引擎，该引擎使用候选项生成和一致性检查来诊断随机混合系统中的离散故障。该系统使用混合（离散和连续组合）模型和传感器数据来推断系统状态随时间的演变，包括指示故障的状态变化。
7	预测绩效评估项目负责人：Abhinav Saxena 开发通用性能指标，以客观评估预后算法的性能。
8	流浪者决策项目负责人：亚当·斯威特一个支持组件和系统级别的推理算法以及基于系统健康信息的决策算法开发的测试平台。
9	循环水系统的预测项目负责人：Indranil Roychoudhury 水循环利用系统清洗灰水并将其循环为净水。基础技术基于正向渗透。此处描述的工作是针对几种不同的故障情况开发WRS正常和故障系统行为的物理模型，并采用诊断和预测技术来检测故障行为并估计剩余寿命。

原网页

PCoE卓越诊断学中心——NASA共享训练数据的资源站相关推荐

联邦学习【分布式机器学习技术】【①各客户端从服务器下载全局模型；②各客户端训练本地数据得到本地模型；③各客户端上传本地模型到中心服务器；④中心服务器接收各方数据后进行加权聚合操作，得全局模型】
随着计算机算力的提升,机器学习作为海量数据的分析处理技术,已经广泛服务于人类社会. 然而,机器学习技术的发展过程中面临两大挑战: 一是数据安全难以得到保障,隐私数据泄露问题亟待解决: 二是网络安全隔离 ...
中国科学院计算机网络信息中心科学数据中心,中科院计算机网络信息中心发布系列可信共享科学数据公共服务...
开放数据联盟链白皮书发布仪式. 孙自法摄中新网北京1月27日电 (记者孙自法)中国科学院计算机网络信息中心27日下午在北京举办"可信共享的科学数据公共服务发布会",正式推出开 ...
中科院分子细胞科学卓越创新中心化学生物学技术平台与Bio-protocol联合发布——《高内涵成像及分析实验手册》...
ISBN: 978-1-951285-06-7 <高内涵成像及分析实验手册>封面高内涵成像分析系统同时具备自动化高速显微成像功能及自动化图像定量分析功能,可对多个样品快速成像,并从图片中 ...
深度 | 区块链对人工智能的变革：去中心化将带来数据新范式
近年,从围棋到人类水平的语音识别,人工智能(AI)研究者终于在他们几十年一直努力探索的领域取得了突破.取得突破进展的关键一点是研究者们可以收集巨量的数据并「学习」这些数据,从而将错误率降低到可接受范围 ...
干货丨揭秘深度学习的核心：掌握训练数据的方法
来源:云栖社区概要:今天我们将讨论深度学习中最核心的问题之一:训练数据. Hello World! 今天我们将讨论深度学习中最核心的问题之一:训练数据.深度学习已经在现实世界得到了广泛运用,例如:无 ...
深度学习的核心：掌握训练数据的方法
来源:云栖社区概要:今天我们将讨论深度学习中最核心的问题之一:训练数据. Hello World! 今天我们将讨论深度学习中最核心的问题之一:训练数据.深度学习已经在现实世界得到了广泛运用,例如:无 ...
【YOLOv3从头训练数据篇】
YOLOv3从头训练数据篇前言数据下载数据可视化标签生成生成训练路径文件结语前言最近在忙着怎么从头实现YOLOv3,从网上找了很多教程,也在GitHub上面找到了挺多的代码的,有些能 ...
神经网络如何训练数据,神经网络常用训练方法
gpu构架为什么更适合发展神经网络因为神经网络这种大范围多任务的简单运算来说,正好符合GPU这种多核架构,比如你CPU20核心,同时处理20个任务.但是神经网络可能有20000个任务(比喻). 但最 ...
简述数据中心网络的特点,数据中心网络规划设计
计算机网络系统设计方案时应遵循哪些原则计算机网络系统设计方案时应遵循原则:1．网络信息系统安全与保密.2．网络安全系统的整体性原则强调安全防护.监测和应急恢复. 要求在网络发生被攻击.破坏事件的情况 ...

	项目清单（有效）
1	电池预测项目负责人：Matthew Daigle 基于快速评估充电状态（SOC）和健康状态（SOH)(诊断）并结合预期的环境和环境因素、负载条件，开发可预测电池充电终止和寿命终止（预测）的算法。在电池上进行子量表实验以证明预后能力。
2	数据驱动的预测项目负责人：Kai Goebel 开发主要不是基于物理模型的算法，而是从训练数据中学习剩余寿命的算法。这里要解决的问题是需要处理稀疏的时间序列数据，提供合理的不确定性估计以及处理验证问题。
3	电子预后项目负责人：Chetan Kulkarni 研究所选航空电子设备中关键电子组件的损坏传播机制。具体来说，了解热循环，电气过应力和振动对MOSFET，IGBT等造成的老化影响，并开发损伤传播模型。
4	预测虚拟空域实验室项目负责人：克里斯·特伯特进行涉及无人机，虚拟飞机和硬件在环要素的实验，以帮助开发和测试用于预测的新技术。
5	国家空域系统安全的实时监测和预测项目负责人：Indranil Roychoudhury 为了帮助NAS利益相关方做出明智的决策，我们正在开发一种基于模型的方法，用于NAS的安全性的自动化实时监控和预测。
6	阀门预后项目负责人：Matthew Daigle 应用基于物理学的建模方法来预测控制阀。开发用于状态和参数估计以及寿命终止预测的基于模型的预测算法。执行全面的模拟研究。
7	不确定性管理项目负责人：Shankar Sankararaman 该项目致力于通过计算不同类型的工程组件和系统的剩余使用寿命的概率分布，来量化影响预测的不确定性的不同来源，并评估它们对预测的综合影响。由于预测学处理的是对未来的预测，因此可能无法精确预测此类工程组件的未来行为，因此通过估算此类预测的不确定性来量化对此类预测的信心非常重要。估计的不确定性对于做出有关延寿，减少故障，任务重新计划等多项活动的风险相关决策很有用。
8	X-Plane Connect工具箱项目负责人：克里斯·特伯特 X-Plane Connect（XPC）工具箱是一个开源研究工具，用于与商业飞行模拟器软件X-Plane进行交互。

项目清单（完成）

1	执行器预后项目负责人：爱德华·巴拉本该项目致力于在电动执行器（EMA）生命周期内的任何时刻检测和分类初期故障状况，这些状况可用于向维护人员提供EMA组件健康状况的准确信息，从而实现按需选择性维修。
2	自动化应急管理（ACM）项目负责人：Abhinav Saxena 自动化应变管理（ACM）技术旨在以自动化方式适应即将发生的故障情况。通常，它以分层的方式执行资源分配和低级和高级控制器的系统重新配置的多目标约束优化问题。这里考虑的ACM特别关注如何集成和处理预后信息以更有效地执行此类重新配置任务。
3	诊断算法基准测试项目负责人：Scott Poll 已经使用ADAPT实验室中的电力系统测试平台开发并实施了诊断技术的系统基准测试框架。我们的基准测试方法会生成用于诊断基准测试的实际数据集，并强调使用标准化的词汇表和协议，这些词汇表和协议可共同评估不同诊断技术的有效性。该框架已在国际诊断原理研讨会（DX）主办的两次诊断竞赛中使用。
4	使用概率计算的诊断推理项目负责人：Ole J. Mengshoel 该项目的目的是研究诊断推理的概率方法。我们的研究包括新方法和算法的开发，尖端应用程序的开发以及对NASA重要性的论证。我们研究了一个现实世界的电力系统（EPS），即代表先进诊断和预测的测试平台航空航天车辆中发现的EPS，证明了概率推理方法如何提供可扩展的方法，并有可能在飞机和航天器中进行实时评估。
5	分布式预测项目负责人：Sankalita Saha 分布式预测是ISHM系统发展的下一步。它们涉及通过使用智能传感器设备的分布式体系结构来协调系统的健康管理。这些设备监视各个子系统的运行状况。当任何组件/子系统触发需要更多关注的故障可能性时，这些设备将相互协作以估计RUL（剩余使用寿命）以及对整个系统的健康影响。
6	HyDE诊断项目负责人：Sriram Narasimhan 开发基于模型的诊断引擎，该引擎使用候选项生成和一致性检查来诊断随机混合系统中的离散故障。该系统使用混合（离散和连续组合）模型和传感器数据来推断系统状态随时间的演变，包括指示故障的状态变化。
7	预测绩效评估项目负责人：Abhinav Saxena 开发通用性能指标，以客观评估预后算法的性能。
8	流浪者决策项目负责人：亚当·斯威特一个支持组件和系统级别的推理算法以及基于系统健康信息的决策算法开发的测试平台。
9	循环水系统的预测项目负责人：Indranil Roychoudhury 水循环利用系统清洗灰水并将其循环为净水。基础技术基于正向渗透。此处描述的工作是针对几种不同的故障情况开发WRS正常和故障系统行为的物理模型，并采用诊断和预测技术来检测故障行为并估计剩余寿命。

PCoE卓越诊断学中心——NASA共享训练数据的资源站

主站内容

项目清单

原网页

PCoE卓越诊断学中心——NASA共享训练数据的资源站相关推荐

最新文章

热门文章