通过基于液态Kolmogorov–Arnold算子的框架,对维护措施对系统健康影响的跨场景可解释量化分析

《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Cross scenarios interpretable quantification of maintenance action effects on system health via liquid Kolmogorov–Arnold operator based framework

【字体: 大 中 小 】 时间:2026年05月26日 来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 11

编辑推荐:

  邓伟坤(Weikun Deng)|阮康泰(Khanh T.P. Nguyen)|杜福(Phuc Do)|卡马尔·梅德贾赫(Kamal Medjaher)摘要对于安全至关重要的资产而言,预测性维护需要准确预测并能够理解维护措施在不同运行状态下的系统健康状况。我们提出了一种基于液态K

  
邓伟坤(Weikun Deng)|阮康泰(Khanh T.P. Nguyen)|杜福(Phuc Do)|卡马尔·梅德贾赫(Kamal Medjaher)

摘要

对于安全至关重要的资产而言,预测性维护需要准确预测并能够理解维护措施在不同运行状态下的系统健康状况。我们提出了一种基于液态Kolmogorov–Arnold算子(KAO)的模型,该模型能够在揭示维护引起的退化动态的同时,学习出一个物理意义上的健康指标(Health Indicator, HI)。该模型包含三个组成部分:(i) 一个BoltzmannKAN注意力层,用于学习每个通道的阈值和温度,以识别维护前后的关键传感器;(ii) 一个自组织的、可解释的算子池,代表不同的退化模式,通过液态、温度控制的软路由机制实现平滑的运行状态转换;(iii) 一种无监督的对比学习方法,无需依赖剩余使用寿命(RUL)标签即可确定健康指标,该方法由结合了重建、维护质量分类和正则化项的统一损失函数引导。液态KAO框架能够生成一个具有前瞻性的健康指标,既反映短期恢复情况,也体现长期退化趋势,其自回归设计支持维护后的预测和反事实分析。在C-MAPSS数据集上,该模型在模拟干预情况下提供了稳定的预测结果,并识别出与实际操作一致的机制变化;在真实世界的国家通用航空飞行信息数据库(NGAFID)飞机维护数据集(包含14个维护类别)中,其准确率达到0.84,超越了之前的基准模型,同时具备子系统级别的可解释性和基于健康指标的可靠性评估指标。总体而言,液态KAO模型在准确性、可迁移性和方程级可解释性方面实现了统一,为可靠的维护验证和调度提供了有力支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号