寿命预测更准更可解释
用分数阶导数记忆特性结合核方法，在监测非平稳信号时比现有深度学习和核滤波方法更灵敏地捕捉轴承健康状态变化。
Meiyu, Cui · Ranran, Gao · Peng, Libiao · 李喜峰 · Bi, Dongjie · 谢永乐
Advanced Engineering Informatics 2024
核方法对数据分布的先验假设较弱，在样本有限时仍能保持较好泛化，克服深度网络依赖大量训练数据的短板。
算法结构显式表达核映射与分数阶记忆机制，预测逻辑可追溯，满足了“黑箱”问题下工业用户对可解释性的需求。
在IEEE PHM 2012和XJTU-SY两个公开数据集上，预测精度均超过核自适应滤波和深度学习基线。
分数阶导数提供记忆特性，核方法提供适应性，从非平稳振动信号中有效提取特征并灵敏跟踪健康状态变化。