スマート製造の中で、タグデータが不足している状況で軸受の残り寿命（RUL）を予測することは重要です。現在の方法は、多センサーのシーンで異なる劣化段階の類似性に直面しています。クロスセンサーの類似性に焦点を当て、劣化特徴の判別力を高めることができる方法を提案しています。具体的には、まずResNet18を使用して異なるセンサー特徴を共起空間にマッピングし、次に、共起空間内のクロスセンサーの類似性に基づいて、大量のタグなしデータから装置の劣化段階を表す多センサーの類似表現を抽出する交互対比学習を行い、最後に、限られたタグデータを使用してモデルを微調整し、RULを予測します。公開されている軸受データセットでの実験では、既存の最適な方法に比べて、平均絶対パーセンテージ誤差が少なくとも0.058減少し、評価スコアが少なくとも0.122向上しています。

セルフスーパーバイズ;残り使用寿命予測;対比学習