异构数据融合以实现稳健的退化预测
统计方法学
2025-10-06 v2
摘要
评估工业资产的退化状态首先需要评估其当前条件，然后将 forecast model 轨迹投射到预定义的 prognostic 阈值上，从而估计其剩余有用寿命（RUL）。 depending on available information，two primary categories of forecasting models may be used: physics-based simulation codes and datadriven（机器学习）方法。将两种建模方法结合起来可能提高预测的鲁棒性，尤其是相对于其 individual 不确定性。本文介绍一种在退化预测中融合异构数据的 methodology。该方法通过结合基于核的敏感性分析进行变量排序，并使用贝叶斯框架将异构数据用于 inform priors。此外，我们提出将 aggregate surrogate modeling strategy 集成到计算昂贵的退化仿真代码中。该方法更新计算机代码输入概率模型的知识，并减少输出不确定性。作为应用，我们在基于巴黦定律的裂纹传播 toy model 以及用于核电站蒸汽发生器堵塞仿真的复杂工业模型上进行说明，其中数据随时间间歇地可用。
引用
@article{arxiv.2506.05882,
title = {Fusion of heterogeneous data for robust degradation prognostics},
author = {Edgar Jaber and Emmanuel Remy and Vincent Chabridon and Mathilde Mougeot and Didier Lucor},
journal= {arXiv preprint arXiv:2506.05882},
year = {2025}
}