remaining useful life prediction | BriefGPT

关键词remaining useful life prediction

搜索结果 - 9

使用超声麦克风阵列和卷积神经网络进行数控车削加工中的刀具磨损预测
本文介绍了一种新颖的方法来预测数控车削中的刀具磨损，该方法结合了超声麦克风阵列和卷积神经网络 (CNN)。利用波束形成技术增强 0 kHz 到 60 kHz 的高频声发射信号与噪声之比，然后通过 CNN 分析处理后的声学数据，预测切削工具的
PDF23 days ago
概念瓶颈模型的可解释预测
通过提出基于概念解释的概念瓶颈模型（CBMs）来预测剩余寿命，改进了深度学习在工业资产预测中缺乏解释性的问题，并展示了 CBMs 在剩余寿命预测中的性能优势和可解释性。
PDFa month ago
时空注意力图神经网络用于剩余寿命预测
本研究提出了一种时空注意力图神经网络模型，通过结合图神经网络和时间卷积神经网络，以改进预测精度和模型可解释性；该模型在统一归一化下表现出了卓越的结果。此外，对于具有多个操作条件的数据集，聚类归一化提升了我们所提出模型的性能高达 27%。
PDF5 months ago
利用时空多模态注意力网络预测锂离子电池剩余寿命
提出了一种基于时空多模态注意网络（ST-MAN）的二阶段锂离子电池剩余寿命预测方案，能够捕捉电池数据中复杂的时空依赖关系，并在预测剩余寿命方面实现了最先进的性能。
PDF8 months ago
鲁棒 - MBDL: 旋转机器剩余使用寿命预测和运行状态识别的鲁棒多分支深度学习模型
提出了一种用于旋转机器的剩余有用寿命预测和工况操作识别的鲁棒的多支路深度学习系统，该系统由 LSTM-Autoencoder、特征提取和多支路深度学习网络构成，实验证明该系统在轴承机器的实际应用中表现优于现有系统。
PDF10 months ago
一种基于 Transformer 的多变量时间序列框架：以剩余使用寿命预测为例
提出了一种基于编码器 - Transformer 结构的多元时间序列预测框架，用于预测系统剩余可用寿命，与其他 13 种当前最先进模型相比，其性能提升了平均 137.65%。
PDFa year ago
锂离子电池剩余寿命的两阶段早期预测框架
通过使用神经网络模型判断降解数据的健康状态并预测第一次预测周期之后的降级模式，本文提出了一种用于锂离子电池剩余寿命（RUL）预测的新方法，并通过实验证明该方法在 RUL 预测方面优于传统方法，显示出在实际场景中提供更准确可靠的电池管理能力。
PDFa year ago
基于受控物理信息的数据生成，用于基于深度学习的未见过操作条件下的剩余寿命预测
提出了一种基于物理学信息生成和深度学习预测模型的新型混合框架，其中包括一个新的受控物理学信息生成对抗网络 (CPI-GAN)，该网络使用五个基本物理约束条件将生成的合成降级轨迹的变化趋势保持一致并提高了剩余寿命预测的准确性。与商业模块化航空
PDFa year ago
利用基于威布尔损失函数的知识启发式机器学习
本文通过回顾 Prognostics and Health Management 领域内知识增强机器学习的各种方法，并使用常见的 IMS 和 PRONOSTIA 轴承数据集，提出了一种基于 Weibull 分布的知识增强机器学习技术，并通过
PDF3 years ago