基于动态状态的剩余寿命预测估计
机器学习
2018-09-25 v3 机器学习
摘要
健康状态评估与剩余有用寿命(RUL)估计在预测与健康管理(PHM)中发挥着非常重要的作用,因为它们能够降低维护成本并提高机器或设备的安全性。然而,它们通常受制于在具有高度不确定性的动态环境中运行的机械缺乏先验知识以预定义确切失效阈值的问题。在此情形下,由离散状态刻画的动态阈值是一种极具吸引力的方法来估计动态机械的 RUL。目前,考虑动态阈值的工作极少,且这些研究采用不同算法分别确定离散状态与预测连续状态,这大大增加了学习过程的复杂性。本文中,我们提出了一种新颖的用于航空发动机 RUL 估计的预测方法,其通过连续与离散状态的自联合预测,在同一学习框架内同时且动态地执行连续与离散状态的预测。
引用
@article{arxiv.1807.06093,
title = {Prognostics Estimations with Dynamic States},
author = {Rong-Jing Bao and Hai-Jun Rong and Zhi-Xin Yang and Badong Chen},
journal= {arXiv preprint arXiv:1807.06093},
year = {2018}
}