机械工程学报

作者：张晟斐, 李天梅, 胡昌华, 司小胜, 张博玮

单位：1. 火箭军工程大学导弹工程学院 西安 710025； 2. 中国人民解放军 96901 部队 22 分队 北京 100094

关键词：大数据,数据缺失,Wasserstein生成对抗网络,多维相似度,剩余寿命预测；

基金：国家自然科学基金资助项目(62233017)

考虑到大数据背景下随机退化设备监测数据呈现出“碎片化、高维化、不完整”的特点，提出一种存在数据缺失情形下的随机退化设备剩余寿命(Remaining useful life, RUL)预测方法。面向非理想的传感器数据，基于Wasserstein生成对抗网络(Wasserstein generative adversarial network, WGAN)分析利用数据隐藏信息，扩充补全不连续的时间序列，从而改善数据质量。此外，考虑到多性能退化变量相互耦合、相互影响，采用Hausdorff距离分别从时间和空间属性上衡量数据之间的多维相似度，深度挖掘各变量之间的潜在关联。最后，融合多源传感器监测数据，构建设备性能退化模型，通过退化特征首达失效阈值的时间实现RUL预测。

来源：2025年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第16期