已发表 精选论文
面向结构复杂时序数据的小样本剩余使用寿命预测两阶段框架
A Two-Stage Framework for Small-Sample RUL Prediction on Structurally Complex Time-Series Data
作者
Peng Gao, Fanyu Qi, Yizhang Zhu, Jianyu Zhang, Wenfei Li, Jianshe Feng
发表期刊
Annual Conference of the PHM Society
发表年份
2025
研究领域
设备在线故障诊断关键词
剩余使用寿命预测 小样本学习 PHM 国际竞赛冠军
摘要
针对高端装备退化数据小样本、结构复杂的特点，提出操作条件对齐与风险感知的两阶段剩余使用寿命（RUL）预测框架。相关方法助力实验室团队夺得 PHM 2025 国际数据挑战赛全球冠军。
研究概述
航空发动机等高端装备的剩余使用寿命预测是实现预测性维护的关键。不断变化的操作条件与寿命后期的非线性退化模式导致精确建模困难，且实际可用的全寿命样本极为稀缺。
研究方法
第一阶段将操作条件作为门控机制输入，显式作用于传感器数据实现特征增强与条件对齐；第二阶段设计风险感知损失函数，使模型更关注寿命末期的预测精度并抑制寿命高估，降低维护决策风险。
实验结果
在 PHM 2025 国际数据挑战赛中预测精度断层领先，获得全球第一名，实验室成为该赛事历史上首支夺冠的国内高校团队，获中山大学全媒体矩阵广泛报道。
结论
该框架验证了"操作条件显式建模 + 风险感知训练"在小样本 RUL 预测中的有效性，为高端装备预测性维护提供了可落地的技术方案。