美国陆军利用机器学习预测战车部件故障

据报道，美国陆军将使用机器学习软件来预测布拉德利作战车辆的部件何时需要维护。

借助国防创新实验单元 (DIUx) 一个奖项，美国陆军将与 Uptake 公司进行合作，该公司负责向工业部门的客户提供人工智能解决方案，用以预测各类部件的故障，降低计划外的维护频率，提高维修作业的效率。

“布拉德利作战车已经在其系统的主要部件上安装了传感器，因此我们要做的就是，获取由布拉德利作战车生成的数据，然后将其与我们的软件相结合，用以预测潜在的故障隐患。” Uptake 公司的发言人 MatthewLehner 说。

Uptake 公司的软件无需加载到军用车辆上，从传感器获取的数据直接上传到云端，即可在云端对正常的操作模式进行分析并预估故障隐患。

Lehner 表示：“公司还将利用其提供服务的其他行业，搜集数十亿小时的运行数据，我们拥有布拉德利作战车 2.3 亿小时的柴油发动机的数据。”

Uptake 公司的接口可对作战车辆进行监控，一旦发现故障，系统则会迅速列出故障代码并对其进行描述，判断其严重性 (低、中、严重)，及首次和最后一次发生该故障的时间。

该接口与行业内的标准很大程度上保持一致，但机器学习模式在其完全部署之前还需要进行相应的更改，并需要经历验证过程。

早在 2016 年，美国陆军装备司令部的后勤保障局与 IBM 公司开展了一项类似的合作，利用 IBM 公司的沃森人工智能平台帮助预测斯特赖克战车的维修保障问题。

文章来源：中国国防科技信息中心

免责声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。