研究人员开发了一个名为“带动态权重的增强图基物理信息网络”（RGPD）的新框架，以提高剩余使用寿命（RUL）和健康状态（SoH）估算的准确性。该模型结合了数据驱动学习和基于物理的正则化，通过动态损失权重调整其方法，以更好地处理各种资产的不同退化模式。RGPD在基准数据集上展示了显著的准确性提升，在发动机、轴承和电池退化方面，RMSE降低了高达12％，MAPE降低了20％。 AI
影响 该新框架有望通过改进的预测性维护能力，实现更可靠的工业运营。
排序理由 该集群包含一篇详细介绍新AI模型及其在基准数据集上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →