【儀表網(wǎng) 研發(fā)快訊】近日，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所在工業(yè)設(shè)備智能維護(hù)管理研究方面取得新進(jìn)展，相關(guān)成果以A spatiotemporal feature learning-based RUL estimation method for predictive maintenance為題發(fā)表在測(cè)繪遙感領(lǐng)域期刊Measurement。
 

端到端性能退化預(yù)測(cè)框架
 

　　沈陽(yáng)自動(dòng)化所智能檢測(cè)與裝備研究室IDE團(tuán)隊(duì)提出了一種基于時(shí)空特征深度學(xué)習(xí)的關(guān)鍵設(shè)備剩余使用壽命預(yù)測(cè)框架，設(shè)計(jì)了處理采集到的反應(yīng)設(shè)備狀態(tài)的傳感器數(shù)據(jù)的時(shí)空數(shù)據(jù)特征挖掘方法，能夠?qū)W習(xí)到傳感器歷史數(shù)據(jù)中表征時(shí)空相關(guān)性的一致性退化模式，從而顯著提升預(yù)測(cè)精度。此外，研究團(tuán)隊(duì)提出了一種端到端多層次信號(hào)級(jí)預(yù)測(cè)框架，能夠在無(wú)需專家知識(shí)與手工特征的前提下進(jìn)行預(yù)測(cè)工作，提高了方法通用性與自適應(yīng)性。
 

　　科研人員通過(guò)該方法在航空發(fā)動(dòng)機(jī)性能退化預(yù)測(cè)C-MAPSS數(shù)據(jù)集、刀具磨損數(shù)據(jù)集PHM2010進(jìn)行了詳細(xì)的實(shí)驗(yàn)和分析，實(shí)驗(yàn)表明該方法相比當(dāng)前較多使用的SOTA方法，具有更低的擬合誤差與更好的綜合性能。
 

　　IDE團(tuán)隊(duì)長(zhǎng)期專注于智能產(chǎn)線領(lǐng)域的關(guān)鍵技術(shù)及系統(tǒng)研發(fā)，先后承擔(dān)了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目等，在故障診斷、工業(yè)互聯(lián)網(wǎng)、在機(jī)測(cè)量與自適應(yīng)加工等方面的研究取得了多項(xiàng)突破成果，部分成果在航空航天、汽車(chē)裝配業(yè)應(yīng)用。
 

　　該研究得到了國(guó)家自然科學(xué)基金、先導(dǎo)專項(xiàng)、遼寧省自然科學(xué)基金的支持。(智能檢測(cè)與裝備研究室)