Prognostics by interacting multiple model estimator
Notice bibliographique
Résumé
In prognostics, the modeling of the failure models is complicated even for a single component, such as fatigue crack growth. For a complex system, there are a large number of components, and hence the failing models can be even more complicated due to diverse sub-systems and their components. The remaining useful life (RUL) of the system, as a whole, depends on many factors and there are often sudden changes in its progression pattern. The interacting multiple model (IMM) estimator is a filtering technique that tracks multiple models and reports the probability of each model. The information fusion ability of IMM with a built-in probabilistic metric is highly desirable in failure model tracking and higher level fusion. A general framework is proposed to describe the system health by a health index, then the RUL can be evaluated as the current health value divided by the degradation rate of the health index at that moment. Within the general framework of a health index, an IMM estimator is proposed to identify the failure models and evaluate both the values and the confidence interval of the RUL. Simulations on various health degradation models are carried out to illustrate the effectiveness of the IMM based RUL estimation. Specifically, the RUL sub-models can be with nearly constant degradation rate, with accelerated growing degradation rate, or some drastic break-down due to environmental changes such as a hard failure. In simulations, the truth is known, and hence the performance of the RUL estimator can be precisely assessed. This paper has not only proposed a fusion scheme to handle various failure models, but also presented the data generation procedure of health index in various situations. Such data sets can be used as benchmarks to compare various prognostics techniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».