这个生成网络联合退化趋势特征与变分自编码器框架，能够为有限的全寿命数据补充高质量时间相关特征，从而提升剩余寿命预测的准确性。
张楷 Kai Zhang · Liu, Yantao · 69980478 · 丁昆 · Liu, Yongzhi · Qing, Zheng · 丁国富
Measurement Science and Technology 2023
提出的退化趋势特征生成框架能够为有限的全寿命数据补全时间分布特征，缓解了完整退化轨迹难以采集的限制。
在公开轴承数据集交叉验证中，相比现有方法预测误差显著降低，表明模型具备更强的寿命预测能力。
网络中加入倾向性模块，专门建模退化序列中的时间关联，使生成的特征更能反映设备性能退化的动态趋势。