时序因果图网络

PEMFC寿命概率预测

融合图全变差正则与MC Dropout，动态推断退化因果关系，实现无贝叶斯开销的高效概率寿命估计。

Yu-Xuan, He · Lingyun, Qiao · Zio, Enrico · 苏怀 · Li, Zhang · Yang, Zhaoming · Peng, Shiliang · 张劲军

Reliability Engineering and System Safety 2026

参数信息

覆盖率

0.738

技术优势

能给出概率预测

通过蒙特卡洛 Dropout 直接输出剩余寿命的概率分布，而无需贝叶斯网络的高计算开销，便于风险评估与决策。

去除伪相关

利用图全变差正则化在谱域抑制退化变量间的虚假关联，使提取的退化特征更符合真实因果，从而提升预测稳定性。

动态推断因果

采用 Peter-Clark 瞬时条件独立算法在线构建时间滞后交互图，使模型能自适应不同运行条件下的退化路径。

应用场景

• PEMFC状态监测：替代静态阈值，提供带置信度的寿命估计，实时预警退化风险。
• 燃料电池运维：依据概率寿命制定检修计划，避免过早维护或意外停机。
• 预测性维护：输出不确定性以量化误报风险，支持基于风险的维护决策。
• 工业物联网：推理高效，可嵌入边缘设备进行在线概率预测。