少样本可靠性评估法

该方法利用主动学习支持的生成对抗网络扩充退化数据，显著提升少样本条件下摩擦副可靠性评估的准确性。

马仲海 · Yiwen, Sun · 尹方龙 · Zhang, Qidong · Nie, Songlin Ling · 纪辉

Engineering Failure Analysis 2024

参数信息

可靠性评估误差

3 %

技术优势

少样本也能评

即使只有少量真实退化数据，也能通过生成样本来扩充数据集，从而进行可靠性评估。

生成样本不添乱

主动学习策略只挑选对可靠性评估最有用的生成样本，避免引入低质量数据干扰模型。

评估精度提高

结合真实与筛选后的生成数据，基于Wiener过程模型的可靠性评估结果显著更准。

应用场景

• 摩擦副可靠性评估：在少样本条件下获得摩擦副退化规律和寿命分布。
• 设备预测性维护：用扩充后的数据评估装备健康状态并安排维护。