机构名称：
¥ 1.0
提出了一种评估飞机发动机监测数据的新方法。通常，预测和健康管理系统使用某些发动机部件的退化过程知识以及专业专家意见来预测剩余使用寿命 (RUL)。出现了新的数据驱动方法，可以在不依赖这种昂贵过程的情况下提供准确的诊断。但是，它们中的大多数缺乏解释组件来理解模型学习和/或数据的性质。为了弥补这一差距，我们提出了一种基于变分编码的新方法。该模型由一个循环编码器和一个回归模型组成：编码器学习将输入数据压缩到潜在空间，以此为基础构建一个自解释的地图，可以直观地评估飞机发动机的劣化率。获取这种潜在空间是通过变分推理引导的新成本函数和惩罚预测误差的项来进行正则化的。因此，不仅实现了可解释的评估，而且还实现了显着的预测准确性，优于 NASA 流行模拟数据集 C-MAPSS 上的大多数最新方法。此外，我们使用来自实际涡扇发动机的数据在现实场景中展示了我们的方法的应用。
可靠性工程与系统安全
主要关键词
相关文件推荐
