一个统一学习框架耦合早期退化起始检测与剩余寿命预测，在不同工况和故障模式下提升预测可靠性。
Qifan, Zhou · Xiongfei, Liu · Chenchao, Tang · 郭迎清 · 柴博松
Advanced Engineering Informatics 2026
采用多分辨率视图和共识正则化，在工况变化和传感器随机损坏下稳定识别退化起点。
傅里叶季节-趋势分解将低频退化动态与振荡成分分开，减少短期循环扰动对特征学习的干扰。
液体神经模型与基于小波的多分辨率混合分支并行，通过不确定性感知加权融合，在不同运行状态和故障模式下提升鲁棒性。
分解提供可解释的组件，融合过程有原则性支撑，有助于理解模型行为。