传统智能数据驱动机械剩余寿命预测存在两个问题(1)预测起始时间的确定精度不高(2)实体之间数据分布的显著差异,为此提出一种基于数据对齐的深度对抗性神经网络机械寿命预测。利用生成性对抗性神经网络学习机器健康状态下的数据分布,建立系统异常的有效指标,确定预测的预测起始时间。将学习到的特征进一步用于剩余寿命估计,并对不同实体的数据比对引入对抗训练。在学习子空间中通过数据对齐策略来提取实体不变特征,弥补数据分布差异,提高了数据驱动程序方法的泛化能力。最后利用两组加速滚动轴承退化测试数据集验证了所提出的预测方法,结果表明提出的方法能够有效提升预测精度,并且有效解决了数据差异问题。

自动与人工两种观测体制所获得的气象数据存在差异,这种差异的产生是由多种原因造成的.本文主要从理论与实践两个方面进行论证.