Neuer Ansatz für RUL‑Vorhersage: TACDA verbessert Cross‑Domain‑Performance

Die präzise Vorhersage der verbleibenden Lebensdauer (Remaining Useful Life, RUL) von Maschinen kann Wartungskosten drastisch senken, die Betriebszeit erhöhen und unerwünschte Ausfälle verhindern. Datengetriebene RUL‑Methoden haben bereits vielversprechende Ergebnisse erzielt, doch ihre Wirksamkeit setzt häufig voraus, dass Trainings- und Testdaten aus derselben Verteilung stammen – ein Szenario, das in der Industrie selten vorkommt.

Um dieses Problem zu lösen, haben Forscher einen neuen Ansatz namens TACDA (Target‑Specific Adaptation and Consistent Degradation Alignment) entwickelt. TACDA kombiniert eine Ziel‑Domain‑Rekonstruktionsstrategie mit adversarialer Domänenanpassung, sodass spezifische Informationen des Zielbereichs erhalten bleiben, während gleichzeitig domäneninvariante Merkmale gelernt werden. Zusätzlich wird ein innovatives Clustering‑ und Paarungssystem eingesetzt, das ähnliche Verschlechterungsstufen konsequent ausrichtet.

Durch umfangreiche Experimente hat TACDA die Leistung über aktuelle Spitzenmethoden hinaus gesteigert und dabei zwei unterschiedliche Bewertungskriterien deutlich verbessert. Der Quellcode ist öffentlich zugänglich unter https://github.com/keyplay/TACDA, sodass Ingenieure und Forscher sofort von dieser Fortschrittlichkeit profitieren können.