Quadro Ibrido Combina Dati e Fisica per il Monitoraggio Industriale

È stato sviluppato un quadro ibrido per il monitoraggio delle condizioni industriali, che integra l'apprendimento basato sui dati con l'intuizione fisica. L'approccio combina le misurazioni primarie dei sensori con caratteristiche temporali ritardate e residui informati dalla fisica provenienti da modelli surrogati nominali. Sono state esaminate due strategie di integrazione: la fusione a livello di caratteristiche, che arricchisce lo spazio di input con informazioni residue e temporali, e l'insieme a livello di modello, che combina classificatori di apprendimento automatico addestrati su diversi tipi di caratteristiche a livello decisionale. Entrambi gli approcci ibridi sono stati valutati su un benchmark di reattore a serbatoio agitato continuo utilizzando più modelli di apprendimento automatico e configurazioni di insieme. La valutazione ha dimostrato che sia l'ibridazione a livello di caratteristiche che quella a livello di modello migliorano l'accuratezza diagnostica. Questo lavoro è stato annunciato su arXiv con l'identificatore 2604.09932v1 con un tipo di annuncio incrociato. Il quadro mira a migliorare l'affidabilità dei sistemi di monitoraggio delle condizioni industriali.