BACE-RUL: 一种用于机器剩余使用寿命预测的带协变量编码双向对抗网络
机器学习
2026-03-06 v2 人工智能
摘要
故障预测与健康管理（PHM）是避免信息物理系统（CPS）不必要的维护并提高系统可靠性的关键途径。预测剩余使用寿命（RUL）是 PHM 中最具挑战性的任务之一。现有方法需要关于系统的先验知识、人为假设或时间挖掘来对机器设备/器件的生命周期进行建模，导致在真实场景中精度下降且适用性受限。本文提出了一种带协变量编码的双向对抗网络用于机器剩余使用寿命（BACE-RUL）预测，它仅采用当前生命周期中的传感器测量值来预测 RUL，而不依赖于先前连续周期的记录。机械器件的当前传感器测量值被编码到一个条件空间中，以更好地理解隐含的内部机械状态。预测器被训练为一个以编码后的传感器测量值为条件的条件生成网络。在包括涡扇航空发动机数据集和从锂离子电池退化实验中收集的数据集在内的多个真实数据集上进行的各种实验表明，所提出的模型是一个通用框架，并且优于 SOTA 方法。
引用
@article{arxiv.2503.11730,
title = {BACE-RUL: A Bi-directional Adversarial Network with Covariate Encoding for Machine Remaining Useful Life Prediction},
author = {Zekai Zhang and Dan Li and Shunyu Wu and Junya Cai and Bo Zhang and See Kiong Ng and Zibin Zheng},
journal= {arXiv preprint arXiv:2503.11730},
year = {2026}
}
备注
This paper has been received as a research paper at CollaborateCom 2024