KAN-MS Mamba轴承寿命预测网络

误差较PatchTST降低过半

融合物理特征与双分支混合架构,并通过偏置校正损失优先惩罚低估误差,实现对轴承退化轨迹的高保真跟踪。

Chenxi, Guo · Potekhin, Vyacheslav V. · Li, Peng · 廉敬

Expert Systems with Applications 2027

参数信息

平均均方根误差
0.037
误差降低幅度
50 %

技术优势

误差降低过半

在PHM2012数据集所有测试轴承上平均RMSE为0.037,与PatchTST相比误差降低超过50%。

预测不滞后

采用去耦合偏置校正非对称损失策略,严格惩罚低估误差,从而优先保证高保真状态跟踪,解决“优化-安全悖论”导致的预测滞后问题。

输入抗噪声

提取13个时频域指标构建输入表示,这些专家构造的物理特征可抑制噪声影响,从而提升模型鲁棒性。

应用场景