不完全な劣化データを伴う残存有用寿命予測のためのエビデンシャル・ドメイン適応

要約: 正確な残存有用寿命（RUL）予測は、ラベル付きターゲットドメインデータがない状態での重大な課題であり、ドメイン適応（DA）は、ラベル付きソースドメインからラベルなしターゲットドメインへ知識を転移することによってこれに対処するために広く採用されています。とはいえ、既存のDA手法は、特にターゲットドメインにおける劣化軌道が不完全な場合に大きく苦戦します。後半の劣化段階が欠如していることが主な原因です。この欠損データは重要な外挿の課題をもたらします。RUL予測のこのように不完全なタスクに適用すると、現在のDA手法には二つの主要な制約が生じます。第一に、ほとんどのDAアプローチは全体的な整列に主に焦点を当てる傾向があり、ソースドメインの後半の劣化段階とターゲットドメインの前半の劣化段階がずれて整列してしまう可能性があります。第二に、RUL予測における異なる動作条件のため、同じ劣化段階内でも劣化パターンが異なる場合があり、学習される特徴量も異なる結果になります。その結果、劣化段階が部分的に整列していても、単純な特徴マッチングだけでは二つのドメインを完全に揃えることはできません。これらの制約を克服するため、証拠学習を活用してドメイン適応を強化する新規の証拠適応アプローチ EviAdapt を提案します。手法はまず、劣化速度に基づいてソースドメインとターゲットドメインのデータを異なる劣化段階に分割し、対応する段階のサンプルが正確に一致するように段階ごとの整列を可能にします。二番目の制約に対応するため、証拠学習を用いて不確実性を推定し、対応する段階間での不確実性を整合させる証拠不確実性整合手法を導入します。