В интеллектуальном производстве прогнозирование оставшегося срока службы подшипников (RUL) имеет важное значение в условиях недостатка маркировочных данных. На текущий момент методы в многоканальных сценариях часто сталкиваются с вызовами сходства поведения разных стадий деградации. Учитывая характеристики повышения различия признаков деградации через различные датчики, в данной статье предлагается метод прогнозирования RUL с помощью многоканального сравнения в условиях недостатка маркировочных данных. Используя междатчиковую сходность, можно извлечь множественное представление междатчиковой сходности из богатых немаркированных данных датчиков, содержащих состояние здоровья оборудования. В частности, сначала при помощи ResNet18 различные признаковые датчики отображаются в общем пространстве, затем на основе междатчиковой сходности в общем пространстве через чередующееся сравнение обучения из большого количества немаркированных данных извлекаются признаки многоканальной сходности, отражающие стадии деградации оборудования, наконец, используя ограниченные маркировочные данные для настройки модели, достигается прогнозирования RUL. Эксперименты на общих данных о подшипниках показывают, что по сравнению с существующими лучшими методами средняя абсолютная процентная ошибка уменьшается по крайней мере на 0.058, а оценивающий балл повышается по крайней мере на 0.122.

Самоконтроль; прогноз остаточного срока службы; обучение сравнению