.png){kind=icon}
返回
A dual-purpose data-model interactive framework for multi-sensor selection and prognosis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.110904.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对多传感器监测的随机退化系统的预测在过去十年中受到了高度重视。在此背景下，期望在一个联合框架内实现信息丰富的传感器选择以及复合健康指数（CHI）构建与随机退化建模之间的数据-模型交互。为此，我们提出了一种用于多传感器选择和预测的双目标数据-模型交互框架。具体而言，基于从多传感器历史数据中提取的CHI以及通过随机退化建模进行的关联寿命预测，构建了一个以预测精度为导向的正则化目标函数，以实现所构建CHI的融合系数和失效阈值的联合优化。因此，自动传感器选择和预测的双目标任务可以同时实现。此外，对所构建的CHI应用Box-Cox变换，赋予所提出的方法处理非线性退化的能力，并提高早期预测性能。为了对在役退化系统进行预测任务，应用贝叶斯方法更新退化模型参数，并推导和更新剩余寿命分布。最后，我们使用飞机燃气轮发动机和多孔铣刀的多传感器数据验证了所提出的方法。
Keyword:
Multi-sensor data
Remaining useful life
Data-model interaction
Prognosis
Sensor selection
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
暂无机构信息
引用论文
Method of fault feature selection and fusion based on poll mode and optimized weighted KPCA for bearings.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Prognosis for stochastic degrading systems with massive data: A data-model interactive perspective
PREAI
分享收藏Remaining useful life estimation - A review on the statistical data driven approaches剩余使用寿命估算 -- 统计数据驱动方法综述
PREAI
分享收藏A hybrid prognosis scheme for rolling bearings based on a novel health indicator and nonlinear Wiener process基于新型健康指标和非线性维纳过程的滚动轴承混合预测方案
OAAI
OAAI分享收藏Joint Stress Estimation and Remaining Useful Life Prediction for Collaborative Robots to Support Predictive Maintenance协作机器人的联合应力估计与剩余使用寿命预测以支持预测性维护
PREAI
分享收藏
查看更多内容