大数据下数模联动的随机退化设备剩余寿命预测技术OA北大核心
Data-model Interactive Remaining Useful Life Prediction Technologies for Stochastic Degrading Devices With Big Data
面向大数据背景下随机退化设备剩余寿命(Remaining useful life,RUL)预测的现实需求,结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题,深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态,剖析了当前研究存在的局限性和共性难题.针对存在的局限性和共性难题,以多源传感监测大数…查看全部>>
李天梅;司小胜;刘翔;裴洪
火箭军工程大学智剑实验室 西安 710025火箭军工程大学智剑实验室 西安 710025火箭军工程大学智剑实验室 西安 710025火箭军工程大学智剑实验室 西安 710025
大数据剩余寿命预测数模联动深度学习随机退化建模
《自动化学报》 2022 (9)
复杂系统寿命预测与健康管理
2119-2141,23
国家自然科学基金(62073336,61922089,61773386)资助
评论