.png){kind=icon}
返回
Collaborative prognosis using a Weibull statistical hierarchical model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.111110.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
协同预测是一种旨在识别相似劣化资产的子群组，并通过这些子群组之间的学习来提高整体预测性能的概念。本文提出了一种威布尔统计分层模型，通过建模构成机队中相似劣化资产子群组（或簇）的失效时间，来实现协同预测。文中描述了基于所提出的威布尔分层模型进行实时协同预测的流程，并以模拟的涡轮风扇机队为例进行了演示。本文所述的实验分析了资产寿命周期内的预测精度以及聚类对预测精度的影响。更具体地说，由相似运行资产组成的大型群组能够实现高置信度的准确预测，反之亦然。结果表明，分层模型缓解了在数据稀疏的资产群组中独立建模失效时间时遇到的高方差问题。其他优势包括使操作员能够控制学习的程度，以及展示构成机队的资产群组之间的相似性。
Keyword:
Hierarchical models
Collaborative prognosis
Predictive maintenance
Bayesian statistics
Machine learning
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
引用论文
A Methodology for Prognostics Under the Conditions of Limited Failure Data Availability.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容