Degradation-Aware Remaining Useful Life Prediction With LSTM Autoencoder

The remaining useful life (RUL) prediction plays a pivotal role in the predictive maintenance of industrial manufacturing systems. However, one major problem with the existing RUL estimation algorithms is the assumption of a single health degradation trend for different machine health stages. To imp...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on instrumentation and measurement Ročník 70; s. 1 - 10
Hlavní autoři:	Wu, Ji-Yan, Wu, Min, Chen, Zhenghua, Li, Xiao-Li, Yan, Ruqiang
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Accuracy Algorithms Data models Degradation Hilbert transformation Industrial internet-of-things (IIoT) Life prediction Long short term memory long short-term memory (LSTM) autoencoder (AE) Mathematical model Performance evaluation Prediction algorithms Predictive maintenance Predictive models prognostic technique remaining useful life (RUL) Useful life
ISSN:	0018-9456, 1557-9662
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!