Fehlerdiagnose und Wiederherstellung von Überwachungssignalen der Schiffsstruktur basierend auf maschinellem Lernen
Von Gemini AI generiertes Bild
Ein neues Verfahren zur Fehlersuche und -behebung in Schiffsüberwachungssystemen nutzt maschinelles Lernen und integriert Wellenletztransformationen sowie ein spezialisiertes neuronales Netzwerk. Mit über 98 % diagnostischer Genauigkeit an verschiedenen Positionen übertrifft es sowohl LSTM als auch Random Forest in der Geräuschresistenz. Die Methode verringert signifikant den RMSE für Verzerrungs-, Drift- und Impulsfehler, was die Zuverlässigkeit der strukturellen Gesundheitsüberwachung verbessert und eine sicherere, intelligente Navigation unterstützt.
Maschinelles Lernen verbessert die Überwachung der strukturellen Gesundheit von Schiffen
Ein neuartiges Fehlersdiagnose- und Wiederherstellungsverfahren, das maschinelles Lernen nutzt, wurde entwickelt, um die Zuverlässigkeit von Systemen zur Überwachung der strukturellen Gesundheit von Schiffen zu verbessern. Dieser Ansatz zielt darauf ab, das Risiko von Signalfehlern zu verringern, die zu Fehlurteilen über die strukturelle Integrität eines Schiffes führen können.
Leistungsanalyse
Um die Wirksamkeit dieser Methode zu bewerten, wurde eine Auswirkungenanalyse unter Verwendung von Überwachungsdaten aus einem Modelltest durchgeführt. Die Ergebnisse zeigten eine Diagnoserate von über 98% an verschiedenen Überwachungspositionen, was auf eine robuste Leistung bei der Fehlererkennung hinweist. Die Methode zeigte eine überlegene Geräuschresistenz im Vergleich zu bestehenden Algorithmen wie Long Short-Term Memory (LSTM) und Random Forest.
Wiederherstellungseffizienz
Die Methode zeichnet sich auch in der Signalwiederherstellung aus. Sie erzielte signifikante Reduzierungen des quadratischen Mittelwertfehlers (RMSE) über verschiedene Fehlerarten:
- 73,86% Reduzierung bei Bias-Fehlern
- 75,49% Reduzierung bei Drift-Fehlern
- 19,55% Reduzierung bei Impulsfehlern
Diese Verbesserung der Wiederherstellungseffizienz unterstreicht die Fähigkeit der Methode, die Stabilität von Systemen zur Überwachung der strukturellen Gesundheit von Schiffen zu erhöhen, was für eine sichere Navigation entscheidend ist.
Verwandte Themen:
📰 Originalquelle: https://doi.org/10.21278/brod77301
Alle Rechte und Urheberrechte liegen beim ursprünglichen Herausgeber.