带不确定性量化的剩余使用寿命预测：面向旋转机械的高精度模型开发
信号处理
2021-09-27 v1 计算工程、金融与科学
机器学习
摘要
旋转机械从发电到交通运输及众多其他工业应用，对现代生活至关重要。由于此类设备通常在苛刻工况下运行，可能导致非预期故障，准确的剩余使用寿命（RUL）预测对于维护规划和防止灾难性故障至关重要。在这项工作中，我们解决旋转机械数据驱动RUL预测当前的挑战。这些挑战围绕预测的准确性与不确定性量化，以及给定传感器数据下系统退化和RUL估计的非平稳性。我们设计了一种带不确定性量化的新颖架构和RUL预测模型，称为VisPro，它集成了时频分析、深度学习图像识别和非平稳高斯过程回归。我们使用PHM12轴承振动数据集，将我们模型获得的结果与其他先进的数据驱动旋转机械RUL预测模型进行分析和基准比较。计算实验表明：（1）VisPro预测高度准确，相较现有预测模型有显著改进（精度为次优模型的三倍）；（2）RUL不确定性界限有效且具信息量。我们识别并讨论了造成VisPro卓越预测性能的架构和建模选择。
引用
@article{arxiv.2109.11579,
title = {Remaining useful life prediction with uncertainty quantification: development of a highly accurate model for rotating machinery},
author = {Zhaoyi Xu and Yanjie Guo and Joseph Homer Saleh},
journal= {arXiv preprint arXiv:2109.11579},
year = {2021}
}