健康评估、预测和剩余使用寿命-通过“快速”神经网络进行预测

实施连接工具需要相当高的技能,并且通常基于试错过程,这种过程耗时长且令人气馁。此外,在PHM应用中,希望找到并利用与当前退化轨迹完全相同的轨迹是不现实的。因此,有必要扩展预测工具的边界,以确保在观察到新情况时将其整合到模型中。这个过程应在合理的时间内完成。下面,我们提出一种具有学习收敛性的预测算法,使得预测系统的结构可以在最短时间内重新学习,因此可以根据需要多次重新学习。此外,该算法能够减少构建预测器时所需的假设,并最大限度地降低随机初始化过程的影响。

  • 2024-06-08
  • 收藏0
  • 阅读29

方案详情

评价

评分 :
   *