通过整合通用知识与无监督学习进行健康指数估计
机器学习
2024-05-09 v1 人工智能
摘要
从状态监测数据中准确估计健康指数对于复杂系统的可靠且可解释的预测与健康管理至关重要。在大多数场景下，复杂系统在变化的运行条件下运行，并可能表现出不同的故障模式，这使得从 CM 数据中无监督推断 HI 成为一项重大挑战。结合退化先验知识与深度学习模型的混合模型已被提出以克服这一挑战。然而，先前提出的用于 HI 估计的混合模型通常严重依赖于特定系统信息，限制了其向其他系统的可迁移性。在本工作中，我们提出了一种用于 HI 估计的无监督混合方法，将关于退化的通用知识整合到卷积自编码器的模型架构与学习算法中，增强了其在各种系统上的适用性。所提方法的有效性在来自不同领域的两个案例研究中得到了证明：涡扇发动机和锂电池。结果表明，所提方法在 HI 质量及其对剩余使用寿命预测的效用方面优于其他有竞争力的替代方法，包括基于残差的方法。案例研究还突出了所提方法与使用 HI 标签训练的监督模型具有可比的性能。
引用
@article{arxiv.2405.04990,
title = {Health Index Estimation Through Integration of General Knowledge with Unsupervised Learning},
author = {Kristupas Bajarunas and Marcia L. Baptista and Kai Goebel and Manuel A. Chao},
journal= {arXiv preprint arXiv:2405.04990},
year = {2024}
}