Framework di Apprendimento Automatico Multi-Task per la Prognostica delle Turbine
Un framework scientifico di apprendimento automatico predice congiuntamente la temperatura del gas della turbina (TGTU), la differenza di temperatura del gas della turbina (DTGT) e la vita utile residua (RUL) con incertezza quantificata. Il modello utilizza un codificatore sequenziale condiviso con strati convoluzionali, LSTM bidirezionale residuo e pooling di attenzione, alimentando testine specifiche per compiti di regressione probabilistica e analisi di sopravvivenza. Progettato per dati di flotta eterogenei, supporta decisioni di manutenzione consapevoli del rischio.
Fatti principali
- 1. Il framework predice congiuntamente TGTU, DTGT e RUL
- 2. Il codificatore condiviso utilizza un front-end convoluzionale con LSTM bidirezionale residuo e pooling di attenzione
- 3. Le testine specifiche per compiti includono stima media-varianza e testina di sopravvivenza
- 4. Progettato per dati di flotta eterogenei e non stazionari
- 5. Fornisce intervalli di previsione con valutazione empirica della copertura
- 6. Supporta decisioni di manutenzione consapevoli del rischio
- 7. Pubblicato su arXiv con ID 2605.30593
- 8. Approccio di apprendimento automatico scientifico multi-task
Entità
Istituzioni
- arXiv