Информированный физикой машинный интеллект: всесторонний обзор приложений в обнаружении аномалий и мониторинге состояния

Мониторинг состояния играет важнейшую роль в обеспечении надежности и оптимальной работы различных инженерных систем. Традиционные методы мониторинга состояния основываются на физически обоснованных моделях и методах статистического анализа; однако эти подходы часто сталкиваются с трудностями при работе со сложными системами и при ограниченной доступности точных физических моделей. В последние годы информированное физикой машинное обучение (physics-informed machine learning, PIML) стало перспективным подходом для мониторинга состояния, объединяющим преимущества физически обоснованного моделирования и методов машинного обучения, основанных на данных. В настоящем исследовании представлен всесторонний обзор методов PIML в контексте мониторинга состояния. Центральная идея PIML заключается во внедрении известных физических законов и ограничений в алгоритмы машинного обучения, что позволяет им обучаться на имеющихся данных при сохранении согласованности с физическими принципами. Путем объединения предметных знаний и обучающегося на данных подхода методы PIML обеспечивают повышенную точность и интерпретируемость по сравнению с чисто основанными на данных методами. В данном обзоре подробно рассматриваются методики интеграции известных физических принципов в рамки машинного обучения, а также их пригодность для конкретных задач мониторинга состояния. Внедрение физического знания в модель машинного обучения может осуществляться различными способами, каждый из которых обладает своими преимуществами и недостатками. Подробно изложены отличительные преимущества и ограничения каждой методики интеграции физики в модели, основанные на данных, с учетом таких факторов, как вычислительная эффективность, интерпретируемость модели и обобщаемость на разные системы в задачах мониторинга состояния и обнаружения неисправностей. Приведены несколько тематических исследований и примеров из литературы, демонстрирующих эффективность PIML в приложениях мониторинга состояния. Из обзорной литературы очевидны универсальность и потенциал PIML для мониторинга состояния. Новые методы PIML предлагают инновационное решение для преодоления сложностей мониторинга состояния и сопутствующих задач. Этот всесторонний обзор закладывает основу для будущих исследований в данной области. По мере развития технологий ожидается, что PIML будет играть ключевую роль в совершенствовании стратегий технического обслуживания, повышении надежности систем и общей операционной эффективности инженерных систем.