互学习知识蒸馏框架

变工况域偏移更稳

通过自监督伪标签互学习与对抗训练协同，实现变工况下退化特征的对齐与解耦，提升剩余寿命预测的跨域泛化能力。

Chen, Zhuohang · 陈敬龙 · Liu, Zijun · Liu, Yulang

Reliability Engineering and System Safety 2025

技术优势

算得更省

稀疏注意力机制实现高效特征提取，大幅降低计算复杂度，同时保持稳健性能。

应用场景

• 机械设备健康管理：为旋转机械提供变工况下的可靠退化评估，支撑主动维护决策
• 机器人状态监测：在负载、轨迹多变场景下跟踪核心传动部件寿命，减少意外停机
• 工业设备预测维护：解决产线设备工况频繁切换带来的模型失效问题，提升维护准确性
• 精密仪器可靠性：在环境或负载变化下预估精密部件寿命，保障测试结果一致性