RailMind RailMind

技术

追踪 RailMind 耗散神经架构从概念到部署的发展历程。

开发时间线

里程碑重点状态
基础核心架构与动力学已完成
表征内部结构形成已完成
验证子系统压力测试已完成
竞争多单元交互动力学已完成
边缘硬件优化部署进行中

技术亮点

  • 无梯度在线学习 — 无反向传播、无损失函数、无优化器
  • 数百个计算单元 在有限资源约束下实时竞争
  • 无需预训练 — 无需标注数据集,无需离线准备
  • 每步 0.1ms 在树莓派 5 上确定性推理
  • AUC 0.985 CWRU 轴承故障检测,跨域验证
  • 13+ 个基准数据集,覆盖 9 种信号域,无需架构变更即可完成验证
  • 约 40KB 模型占用 — 可部署于 MCU 级硬件(因应用而异)
  • 超过 110 万次受控实验运行 跨多条研究线

多通道架构

RailMind 通过三个并行通道输出——每个通道服务于不同的集成用例:

通道输出用例
通道1 健康向量自适应内部表征投影至紧凑诊断空间故障检测与分类
通道2 漂移门控零计算量分布偏移检测器运行条件变化时发出警报
通道3 原始状态完整内部表征自定义下游任务与研究

工业验证

在九个不同的信号域中验证,无需架构更改:

领域数据集关键指标领域类型
振动 (PdM)CWRU BearingAUC 0.985 (+12.9 pp)工业故障识别
振动 (PdM)Paderborn BearingAUC 提升 +38.7 pp工业故障识别
振动 (PdM)PHM 2022 岩矿机F1 0.91工业故障识别
振动 (PdM)CASPER UR3e 机械臂AUC 0.948(6轴,176万行)机器人 PdM
振动 (SHM)Z24 桥梁AUC 0.941 (+38.8 pp)结构健康监测
电化学NASA BatteryAUC 0.958 (+14.7 pp)退化检测
视频 / 流媒体QoE 流媒体解码AUC 0.959 (+36.6 pp)媒体质量
人体运动UCI HAR / WISDM v2多工况检测行为识别
音频ESC-50 / DCASE正向提升 (+0.9 pp)声学场景
卫星遥测ESA-ADB SMAPCEF0.5 = 0.911航天
文本嵌入MiniLM / CLIPnMI 最高达 0.85 (+23 pp)自然语言处理
金融NQ Futures 1-min体制切换提前 48–60 分钟高频
卫星遥测(时序)ESA-ADB SMAPAUC 0.979航天

引擎的内部表征在已测领域中始终比标量读出高 13–49 个百分点。顺序多故障暴露后的灾难性遗忘:2.3%(CWRU 3 故障持续学习协议)。

航天差异化优势

在 ESA-ADB SMAP 基准上的卫星遥测异常检测:

  • CEF0.5 = 0.911 [0.897, 0.923] — 超过已发表参考值 0.888
  • 37 倍无监督优势(M3-B oneclass 协议)
  • 零动态内存分配——卫星级可靠性
  • 静态计算预算:每样本 O(1),确定性执行路径

注:与不同训练/测试分割的非直接对比;已提供置信区间。

边缘性能

在商用硬件上的生产验证性能:

指标
RPi5 中位延迟0.1 ms (103 μs)
RPi5 P95 延迟217 μs
Mac M4 中位延迟53 μs
吞吐量 (RPi5)8,102 步/秒
总内存112.3 KB

内存分解:

组件大小
引擎状态(静态)61.6 KB
PCA 投影矩阵10.3 KB
RF 分类器模型40.4 KB

热路径中零堆分配——全部为静态缓冲区。无垃圾回收暂停,24/7 工业部署无内存碎片化。

漂移检测

内置分布偏移检测,零额外计算量:

  • 真实检测率:84%
  • 误报率:1.4%
  • 自动检测运行状态变化、传感器退化和季节性波动