端到端性能退化預測框架

　　近日，中國科學院沈陽自動化研究所在工業設備智能維護管理研究方面取得新進展，相關成果以A spatiotemporal feature learning-based RUL estimation method for predictive maintenance為題發表在測繪遙感領域期刊Measurement。

　　沈陽自動化所智能檢測與裝備研究室IDE團隊提出了一種基于時空特征深度學習的關鍵設備剩余使用壽命預測框架，設計了處理采集到的反應設備狀態的傳感器數據的時空數據特征挖掘方法，能夠學習到傳感器歷史數據中表征時空相關性的一致性退化模式，從而顯著提升預測精度。此外，研究團隊提出了一種端到端多層次信號級預測框架，能夠在無需專家知識與手工特征的前提下進行預測工作，提高了方法通用性與自適應性。

　　科研人員通過該方法在航空發動機性能退化預測C-MAPSS數據集、刀具磨損數據集PHM2010進行了詳細的實驗和分析，實驗表明該方法相比當前較多使用的SOTA方法，具有更低的擬合誤差與更好的綜合性能。

　　IDE團隊長期專注于智能產線領域的關鍵技術及系統研發，先后承擔了國家重點研發計劃、國家自然科學基金重點項目等，在故障診斷、工業互聯網、在機測量與自適應加工等方面的研究取得了多項突破成果，部分成果在航空航天、汽車裝配業應用。

　　該研究得到了國家自然科學基金、先導專項、遼寧省自然科學基金的支持。（智能檢測與裝備研究室）