实体
FD001
FD001
PulseAugur coverage of FD001 — every cluster mentioning FD001 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
时间序列检索提升多模态语言模型预测机械寿命的准确性
研究人员开发了一个新框架，该框架使用时间序列检索来提高多模态大型语言模型（MLLM）预测机械剩余使用寿命（RUL）的准确性。该方法包括从训练数据集中检索历史上相似的退化片段，并将它们与测试轨迹一起呈现给MLLM。在C-MAPSS基准上的评估表明，与基线方法相比，这种基于检索的方法始终能提高RUL预测的准确性和稳定性。检索机制的有效性取决于MLLM利用检索信息的能力，这表明时间序列检索是提高实际PHM设置中预测推理能力的一项有前景的技术。
-
新型液体神经网络模型模拟涡轮风扇发动机退化
研究人员开发了一种新的液体神经网络模型来预测涡轮风扇发动机的退化。该模型旨在通过在其潜态中将退化与运行条件变化分离开来，提供对飞机发动机健康状况更具可解释性的视图。虽然与GRU基线相比，该模型显示出改进的传感器预测准确性，但目前它作为退化动力学的世界模型比作为精确寿命回归器更有效。
-
机器学习模型在涡轮风扇发动机剩余使用寿命估算方面的比较
一篇新的研究论文比较了经典的机器学习方法、一维卷积神经网络（CNN）和长短期记忆（LSTM）网络在估算涡轮风扇发动机剩余使用寿命方面的性能。该研究使用了NASA C-MAPSS数据集，并在FD001和FD003子集上评估了模型。结果显示，一个LSTM模型在FD001上达到了14.93的RMSE，在FD003上达到了14.20的RMSE，优于先前报道的深度LSTM。XGBoost也表现出强大的性能，在FD003上达到了13.36的RMS…