arXiv Artificial Intelligence· Nehal Afifi, Mehdi Khabou, Victor Mas, Jonas Hemmerich, Patric Grauberger, Stefan Dietrich, Volker Schulze, Sven Matthiesen·· 13 小时前AI 评分29
面向循环工厂的不确定性感知功能行为预测与材料疲劳评估
Uncertainty Aware Functional Behavior Prediction and Material Fatigue Assessment for Circular Factory
AI 导读
针对循环工厂中角磨机返修品，研究提出融合不确定性感知功能预测与部件级疲劳评估的实例化可靠性流程。卷积编码器从主轴力与轴扭矩提取载荷模式，LSTM 以高斯均值和方差预测九个功能变量，留出测试平均2%容差精度达0.9652，驱动电机电流与负载转速的 R² 分别为0.9750和0.9924。
推荐理由模型分析
面向循环工厂中返修角磨机的再利用决策，把功能预测与部件疲劳评估串成实例化可靠性流程：卷积编码器提取主轴力与轴扭矩载荷模式，LSTM 输出九个功能变量的均值与方差，同时用有限元应力重构、S-N/Miner 损伤和 Paris 裂纹扩展给出输出轴疲劳信息，再用流式回放算法合并两类轨迹。留出测试中九输出平均容差 2% 准确率为 0.9652，驱动电机电流与负载转速的 R² 分别为 0.9750 和 0.9924，短历史下常规 LSTM 优于 GRU 和 xLSTM。适合做设备 PHM、再制造与可靠性预测的研究者参考其多分支融合与校准方式；结论限于该角磨机与给定工况，尚不能外推为现场寿命保证。
来源：arXiv Artificial Intelligence · arxiv.org