Глубокое обучение, основанное на физических принципах, для прогнозирования срока службы подшипников.

Как сделать модели машинного обучения для прогнозирования технического обслуживания более точными, интерпретируемыми и физически обоснованными? В этом выпуске «Материальной минуты» мы представляем новую статью, которая переосмысливает машинное обучение, основанное на физических принципах, для прогнозирования остаточного срока службы (RUL) подшипников. Вместо того чтобы рассматривать физику как жесткий свод правил, эта работа рассматривает физику как обучаемый, адаптивный априорный материал, который направляет модели глубокого обучения, не ограничивая их чрезмерно. Авторы представляют двунаправленную LSTM-сеть, основанную на физических принципах (PI-BiLSTM), которая включает физику роста усталостных трещин через закон Парижа, но с изюминкой: параметры Парижа обучаются непосредственно из данных с использованием гауссовских процессов и ограниченного нелинейного метода наименьших квадратов, что позволяет модели адаптироваться к изменчивости между компонентами и условиями эксплуатации. Основные идеи, которые вы увидите: Почему модели остаточного срока службы, основанные исключительно на данных, могут быть ненадежными и физически неправдоподобными Как закон Париса связывает механику разрушения с отказом подшипников Как гауссовские процессы оценивают скорость деградации и неопределенность Как физические принципы добавляются в качестве мягкой, адаптивной регуляризации вместо жесткого ограничения Почему модель, основанная на физических принципах, значительно снижает остатки прогнозирования Как ансамбли и калибровка создают надежные диапазоны неопределенности Это прекрасный пример того, как физика + машинное обучение + количественная оценка неопределенности могут работать вместе для создания более надежных моделей прогнозирования технического обслуживания. 📄 Рекомендуемая статья Глубокое обучение с учетом физических принципов для определения остаточного срока службы подшипников: адаптивная регуляризация по закону Парижа с использованием гауссовых процессов Авторы: Халед Диби, Хазем Нуну, Фадва Эль-Меллухи, Мохамед Нуну, Университет Хамада бин Халифы, Катар Опубликовано в журнале Integrating Materials and Manufacturing Innovation (IMMI) https://doi.org/10.1007/s40192-026-00441-w ⏱️ Временные метки 00:00 – Что такое остаточный срок службы и почему это важно 01:25 – Ограничения LSTM и традиционных моделей с учетом физических принципов 02:45 – Основная идея: адаптивная BiLSTM с учетом физических принципов 04:20 – Результаты: физика как компас, а не клетка