Nov, 2023
脑启发式脉冲神经网络在工业故障诊断中的应用：调查、挑战与机遇
Brain-Inspired Spiking Neural Networks for Industrial Fault Diagnosis: A Survey, Challenges, and Opportunities
Huan Wang, Yan-Fu Li, Konstantinos Gryllias
TL;DR近几十年来，工业故障诊断（IFD）作为一门重要学科涉及检测和收集工业设备健康状况的关键信息，从而有助于识别故障类型和严重程度。由于精确有效的故障识别受到重视，自动化设备监控已成为焦点，以预防安全事故并减少对人力劳动的依赖。人工神经网络（ANNs）的出现在大数据背景下增强了智能 IFD 算法，但 ANNs 仍存在资源和数据依赖性以及认知能力受限等固有局限性。为解决这些问题，基于大脑计算原理的第三代脉冲神经网络（SNN）作为一种有前景的替代方案崭露头角。SNN 以生物神经元动力学和脉冲信息编码为特点，在表示时空特征方面展现出异常潜力。因此，开发基于 SNN 的 IFD 模型已经引起了广泛关注，并展现出令人鼓舞的性能。然而，该领域缺乏系统性的调查来说明当前状况、挑战和未来方向。因此，本文系统地回顾了 SNN 模型的理论进展，以回答什么是 SNN。随后，它对现有的基于 SNN 的 IFD 模型进行了审查和分析，以解释为何需要使用 SNN 以及如何使用它。更重要的是，本文系统地回答了 SNN 在 IFD 中的挑战、解决方案和机会。