지능 제조에서는 흔하지 않은 태그 데이터 조건에서 베어링의 잔여 수명 (RUL) 예측이 중요합니다. 현재의 다중 센서 시나리오에서 현재 방법들은 종종 다른 퇴화 단계의 행동 유사성에 직면합니다. 다중 센서를 통한 퇴화 특성 식별 능력의 향상 특성을 감안할 때, 본 논문은 희귀 태그 조건에서의 다중 센서 비교 RUL 예측 방법을 제안합니다. 센서 간 유사성을 이용하여 장비의 건강 상태를 함유하고 있는 풍부한 비태그 센서 데이터로부터 다중 센서 유사 표현을 추출할 수 있습니다. 구체적으로, 먼저 다양한 센서 특성을 ResNet18를 이용하여 공존 공간으로 매핑하고, 그 다음, 공존 공간에서의 센서 간 유사성을 사용하여 대용량의 비태그 데이터로부터 장비의 퇴화 단계를 나타내는 다중 센서 유사 표현을 추출하고, 마지막으로 유한한 태그 데이터를 사용하여 모델을 세밀조정하여 RUL을 예측합니다. 베어링 공개 데이터셋을 사용한 실험에서 현재 최적 방법과 비교하여 평균 절대 백분율 오차가 최소 0.058 감소하고 평가 점수가 최소 0.122 증가함을 보여줍니다.

자가 감독; 잔여 수명 예측; 비교 학습