BriefGPT - AI 论文速递
·
Fed-Joint: Joint Modeling of Nonlinear Degradation Signals and Failure Events for Remaining Useful Life Prediction using Federated Learning
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于联邦学习的框架，联合建模非线性退化信号与故障事件，以提高剩余使用寿命预测的准确性。研究结果表明，该方法在涡扇发动机数据上的表现优于其他方法，具有显著的应用潜力。
🎯
关键要点
- 本研究提出了一种新颖的联邦学习框架，旨在解决机械故障机制与状态监测信号之间的联系不足问题。
- 通过联合建模非线性退化信号和故障数据，该框架实现了更精确的剩余使用寿命预测。
- 研究结果表明，该方法在涡扇发动机退化信号数据上的表现优于其他方法，显示出显著的应用潜力。
➡️
