面向跨域剩余可用寿命预测的目标特异适应与一致性退化对齐
人工智能
2025-12-03 v1
摘要
准确预测机械设备的剩余可用寿命(RUL)可显著降低维护成本,提升设备可用性,并缓解不利后果.数据驱动的RUL预测技术已显示优异性能.但其有效性常依赖于训练数据和测试数据来源于相同分布或同一领域,这在实际工业环境中不成立.为缓解此域差异问题,以往对抗域适应方法关注从域无关特征中推导,却忽视了与退化阶段相关的目标特定信息和不一致性特征,导致性能次优.为解决此问题,本文提出一种名为TACDA的跨域RUL预测新型域适应方法.具体而言,我们在对抗适应过程中提出目标域重构策略,以保留目标特定信息同时学习域无关特征.此外,我们开发一种新型聚类和配对策略,实现类似退化阶段之间的一致对齐.通过大量实验,我们的结果表明,所提出的TACDA方法在两种不同评估指标上均优于最先进的方法.我们的代码已公开于https://github.com/keyplay/TACDA.
引用
@article{arxiv.2512.02610,
title = {Target-specific Adaptation and Consistent Degradation Alignment for Cross-Domain Remaining Useful Life Prediction},
author = {Yubo Hou and Mohamed Ragab and Min Wu and Chee-Keong Kwoh and Xiaoli Li and Zhenghua Chen},
journal= {arXiv preprint arXiv:2512.02610},
year = {2025}
}