基于深度 Koopman 算子的退化建模

随着工业系统复杂性日益增加的趋势，健康指标的构建与监测变得更具挑战性。鉴于健康指标常用于预测寿命终点，可靠健康指标的一个关键准则是其辨别退化趋势的能力。然而，由于运行条件的多变性，趋势提取可能带来挑战。因此，健康指标的最优变换应将其退化动态转换到一个退化趋势呈线性的坐标系。Koopman 理论框架非常适合应对这些挑战。在本工作中，我们展示了将先前提出的深度 Koopman 算子（Deep Koopman Operator）方法成功扩展，通过学习工业系统动态并将其变换为线性化坐标系，从而得到能够提供充足信息以估计系统剩余使用寿命的潜在表示。此外，我们提出了一种新颖的受 Koopman 启发的退化模型（Koopman-Inspired Degradation Model），用于带控制动态系统的退化建模。所提方法有效解耦了退化与施加控制对潜在动态的影响。该算法在预测 CNC 铣刀和锂离子电池的剩余使用寿命时始终表现更优，无论是在恒定还是变化电流负载下运行。此外，我们强调了学习到的受 Koopman 启发的退化算子在分析施加控制对系统健康状态影响方面的效用。