混合数据驱动剩余寿命预测模型

早期退化即精准

融合深度变分网络与相似性分析，在实验室和基准数据上均表现出优于单一数据驱动方法的鲁棒性和预测精度。

Xue, Bin · You, Li · 许忠斌 · Lianna, Chen

Measurement Science and Technology 2025

技术优势

早期预测准

即使在退化初期也能给出高精度概率预测，让维护决策提前。

结果可解释

提取的健康指标有物理意义，且稀疏表示捕捉退化趋势，便于理解模型输出。

无需海量数据

通过相似性分析从参考轴承迁移退化知识，减少对目标轴承大量训练数据的需求。

应用场景

• 预测性维护：用概率预测替代固定周期维护，减少非计划停机。
• 旋转机械健康管理：融合深度特征与相似性分析，提升旋转机械健康状态评估准确性。
• 工业设备智能运维：提供可解释的概率寿命预测，支持智能运维决策。