Assessing the degradation state of energy systems equipment using sparse autoencoders optimized by a coevolutionary framework

We present a coevolutionary framework for automatic and unsupervised extraction of a degradation indicator of an industrial component from a set of signals gathered during its operation. The developed framework embeds a deep sparse autoencoder, which is used for extraction of the degradation indicator, into a multi-objective coevolutionary algorithm, which searches the space of both architectures and hyperparameters of the autoencoder, optimizing the network performance.

Presentiamo un framework coevolutivo per l'estrazione automatica e senza supervisione di un indicatore di degradazione di un componente industriale da un insieme di segnali raccolti durante il suo funzionamento. Il framework sviluppato incorpora un autoencoder sparso profondo, che viene utilizzato per l'estrazione dell'indicatore di degradazione, in un algoritmo coevolutivo multi-obiettivo, che ricerca lo spazio di architetture e iperparametri dell'autoencoder, ottimizzando le prestazioni della rete.