不确定性量化：涡扇发动机剩余可用寿命预测中的补充潜在健康指标
性能
2025-07-10 v1
摘要
健康指标（HIs）是预测系统故障的关键。虽然RaPP（Reconstruction along Projected Pathways）等方法通过利用自编码器潜在空间提升传统HI方法，但受制于偶然不确定性和认识论不确定性，性能受限。本文提出一种新框架，将不确定性量化集成到基于自编码器的潜在空间中，增强RaPP生成的HIs。我们表明，分离偶然不确定性与认识论不确定性并交叉组合HI信息，是剩余可用寿命（RUL）预测准确性提升的关键。该方法采用标准自编码器和变分自编码器构建这些HIs，再用于训练机器学习模型进行RUL预测。在NASA C-MAPSS涡扇发动机数据集上进行基准测试，本方法超越传统HI方法和端到端RUL预测模型，表现与RUL估计方法相当。这些结果凸显了不确定性量化在健康评估中的重要性，展示了其在HI构建过程中显著提升预测性能的影响。
引用
@article{arxiv.2507.06672,
title = {Uncertainty Quantification as a Complementary Latent Health Indicator for Remaining Useful Life Prediction on Turbofan Engines},
author = {Lucas Thil and Jesse Read and Rim Kaddah and Guillaume Florent Doquet},
journal= {arXiv preprint arXiv:2507.06672},
year = {2025}
}