在传感器性能退化情况下的故障预测:在线贝叶斯推理与批量贝叶斯推理的比较研究
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Failure prognostics under sensor degradation: A comparative study of online and batch Bayesian inference
【字体:
大
中
小
】
时间:2026年06月05日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 11
编辑推荐:
Hai-Canh Vu|Mitra Fouladirad|David Bassir|Thao Nguyen-Trang摘要准确的故障预测和剩余使用寿命(RUL)预测对于故障预测和健康管理至关重要,但在存在传感器退化和随机依赖性的情况下仍然具有挑战性。本研究比较了两种用于联合健康状
Hai-Canh Vu|Mitra Fouladirad|David Bassir|Thao Nguyen-Trang
摘要
准确的故障预测和剩余使用寿命(RUL)预测对于故障预测和健康管理至关重要,但在存在传感器退化和随机依赖性的情况下仍然具有挑战性。本研究比较了两种用于联合健康状态估计和RUL预测的贝叶斯推理方法:粒子滤波(PF),它代表在线序贯推理;以及吉布斯采样(GS),它代表批量贝叶斯推理。这两种方法在简化和现实的场景下进行了评估,明确考虑了传感器退化和相互依赖的恶化过程。使用已知真实值的模拟数据集可以进行受控比较,并对模型参数、先验知识和预测范围进行了广泛的敏感性分析。结果表明,在测量噪声较大、模型参数未知以及传感器严重退化的情况下,使用GS的批量推理通常能提供更准确和稳健的状态和RUL估计。相比之下,PF具有计算效率高,适用于实时应用,但对参数不确定性和不利测量条件更为敏感。在噪声水平适中且模型设置明确的情况下,GS和PF之间的性能差距可以忽略不计,这表明批量推理的额外计算成本并不总是必要的。这些发现强调了在线过滤和批量平滑方法之间的权衡,并支持开发结合PF的实时能力和GS的稳健性的混合贝叶斯策略,以用于工业故障预测。
生物通微信公众号
生物通新浪微博
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