该论文提出了一种基于时间动力学学习的新模型，通过检测设备的变化点来提高剩余使用寿命估计的准确性。该方法使用传感器数据的时间相关特征，并构建监控统计和正常行为控制限阈值来检测设备级别的变化点。然后，使用这些变化点来训练基于LSTM的剩余使用寿命估计模型。实验结果表明，该方法相比现有模型提高了准确性。