在已往几十年中，随着种种大型系统性能的日益提高以及重大性和集成度的急剧增添，使得主要装备的维修包管用度也急剧增添，古板模式下带来的重大财力、物力和人力的泯灭让相关企业愈加难以肩负。通过近十年来，以机械学习为代表的人工智能手艺生长迅猛，在学术界和工业界都施展着重大的适用价值，正在成为故障展望与康健治理手艺对主要突破口，该手艺是对古板方法的刷新与完善，极大降低企业肩负。

?

pg电子模拟器?Sentosa数据科学与机械学习平台，通过对要害装备在重大系统情形下的海量历史数据举行数据挖掘和机械学习训练，展望装备未来康健状态。

?

详细而言，针对装备自主康健治理引入Sentosa数据科学与机械学习平台主要通过业界主流先进的图形化“拖沓拽”提供端到端数据剖析与建模能力，通过平台内数据预处置惩罚算法、自动特征工程算法、主流机械学习与深度学习算法、模子自动训练要领，最终实现面向装备的多算法团结诊断与智能诊断模子开发。再将算法模子从平台中导出并集成到装备现有的治理系统中，举行状态参数准确展望及故障的准确展望，形成智能化的装备自主康健治理。