主动学习高斯过程模型

实时剩余寿命预测

将相似度方法与高斯过程统一建模，提供预测不确定性并支持实时应用。

林焱辉 · Ding, Zeqi · 李彦夫

Reliability Engineering and System Safety 2023

技术优势

预测带不确定性

高斯过程建模不仅输出剩余寿命点预测，还输出相应的不确定性，便于风险决策。

支持实时运行

主动学习方法降低了高斯过程模型的计算复杂度，同时考虑不确定性校准，使在线预测成为可能。

应用场景

• 设备故障预测：在设备运行中实时预测剩余寿命并量化不确定性，支持视情维护。
• 工业机器人维护：为机器人关键部件提供在线寿命预测，降低非计划停机风险。
• 电池剩余寿命：结合退化轨迹相似性与不确定性，辅助电池更换决策。
• 物联网设备监测：在边缘设备上轻量化部署，实现低延迟寿命预测。