在数字双胞胎中进行传感器故障诊断和缓解的等级多注意力神经网络
Long Pan1, Hong Li2, Xifeng Li1
1School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China.
Scientific reports
|March 2, 2026
概括
本研究介绍了一种用于工业5.0的数字双胞胎传感器故障管理的新方法. 该方法使用层次神经网络架构来准确检测和减轻传感器故障,提高系统可靠性.
科学领域:
- 计算机科学 计算机科学
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
背景情况:
- 数字双胞胎技术对于工业5.0至关重要,但依赖于可靠的传感器数据.
- 物联网 (IoT) 生态系统对传感器故障管理提出了挑战.
- 现有的方法可能无法充分解决数字双胞胎的复杂故障诊断和缓解问题.
研究的目的:
- 开发和验证用于数字双胞胎中的传感器故障诊断和缓解的新层次架构.
- 通过解决传感器故障,提高数字双胞胎系统的弹性和准确性.
- 提出能够在工业5.0框架内自主处理传感器故障的系统.
主要方法:
- 一个具有平行融合的多层次注意力神经网络的等级架构.
- 使用基于神经网络的估计器与变压器编码器和封闭循环单元实现虚拟传感器.
- 一个双分支卷积神经网络,使用传感器残留物进行故障诊断的注意力机制.
- 一个自主复合器系统,用于动态替换故障传感器.
主要成果:
- 拟议的架构在故障检测准确度方面取得了显著的改善.
- 该系统显示了对传感器故障的增强弹性.
- 对公共数据集的实验验证证证了拟议方法的有效性.
结论:
- 开发的层次架构有效地解决了数字双胞胎中的传感器故障诊断和缓解问题.
- 虚拟传感器和基于注意力的神经网络的集成提高了系统的可靠性.
- 这项工作有助于在工业5.0环境中强大实施数字双胞胎.
