生成对抗网络在剩余寿命估计中的应用
机器学习
2022-08-19 v1 信号处理
机器学习
摘要
结构健康监测（SHM）的一个主要问题是对损伤的预后以及结构剩余有用寿命的界定。这两项任务都依赖于许多参数，其中许多参数往往是不确定的。针对上述任务已开发了许多模型，但它们要么是确定性的，要么是随机性的，且只能考虑结构受限的过去状态。在当前工作中，提出了一种生成模型，用于对结构损伤演化进行预测。该模型能够在基于群体的结构健康监测（PBSHM）框架下运行，考虑受损结构的多个过去状态，将不确定性纳入建模过程，并根据从结构获取的数据生成潜在的损伤演化结果。该算法在一个模拟损伤演化实例上进行了测试，结果表明，它能够在群体范围内对结构的剩余有用寿命提供相当可信的预测。
引用
@article{arxiv.2208.08666,
title = {On an Application of Generative Adversarial Networks on Remaining Lifetime Estimation},
author = {G. Tsialiamanis and D. Wagg and N. Dervilis and K. Worden},
journal= {arXiv preprint arXiv:2208.08666},
year = {2022}
}