基于状态空间模型的分位数回归方法用于剩余使用寿命估计
人工智能
2025-06-23 v1 机器学习
摘要
预测性维护在工业4.0和5.0中至关重要，通过准确预测设备剩余使用寿命来主动提高效率，从而优化维护计划并减少意外故障和过早干预。本文介绍了一种新颖的RUL估计方法，利用状态空间模型进行高效的长序列建模。为了处理模型不确定性，将同时分位数回归集成到SSM中，实现了多个分位数的估计。所提出的方法使用C-MAPSS数据集与传统的序列建模技术（LSTM、Transformer、Informer）进行了基准测试。结果表明，SSM模型具有卓越的准确性和计算效率，突显了其在高风险工业应用中的潜力。
引用
@article{arxiv.2506.17018,
title = {A Quantile Regression Approach for Remaining Useful Life Estimation with State Space Models},
author = {Davide Frizzo and Francesco Borsatti and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2506.17018},
year = {2025}
}
备注
Submitted to IFAC Joint Conference on Computers, Cognition, and Communication (J3C) 2025