列车轮对剩余使用寿命与故障类型的联合预测：一种多任务学习方法
机器学习
2021-01-21 v2 最优化与控制
摘要
列车车轮故障会导致列车运行中断，甚至占列车脱轨的很大比例。轮对的剩余使用寿命（RUL）衡量下一次故障何时到来，而故障类型揭示故障的严重程度。RUL 预测是一项回归任务，而故障类型是一项分类任务。本文中，我们提出一种多任务学习方法，通过使用公共输入空间联合完成这两项任务以取得更理想的结果。我们建立了凸优化公式，以集成最小二乘损失与逻辑回归的负最大似然，并将联合稀疏性建模为模型参数的 L2/L1 范数以跨任务耦合特征选择。实验结果表明，我们的方法在预测精度上优于单任务学习方法 3%。
引用
@article{arxiv.2101.03497,
title = {Joint Prediction of Remaining Useful Life and Failure Type of Train Wheelsets: A Multi-task Learning Approach},
author = {Weixin Wang},
journal= {arXiv preprint arXiv:2101.03497},
year = {2021}
}