基于多源信息协同决策的齿轮剩余使用寿命动态控制框架及其在主动健康管理中的应用

本文提出一种融合多源信息协同决策的齿轮剩余使用寿命（RUL）动态控制框架，通过多层级多源域适应（MMDA）方法提升RUL预测泛化能力，并采用无模型自适应控制（MFAC）策略实现齿轮运行状态的实时调控。该框架在自制齿轮实验平台上验证有效，平均均方根误差（RMSE）降低27.6%，齿轮寿命延长61小时，为复杂工况下的主动健康管理提供了新思路。

　　

Highlight

本研究通过多源信息协同决策实现了齿轮剩余使用寿命（RUL）的动态控制，为主动健康管理提供了创新性解决方案。

Proposed method

本节详细介绍了齿轮RUL动态控制的协同决策框架。2.1部分阐述了框架的整体架构与运行闭环；2.2部分提出了基于多层级多源域适应（MMDA）的RUL预测方法，通过最小化局部与全局特征分布差异并对齐不同预测器的输出边界，显著提升了跨工况预测精度；2.3部分开发了融合多源信息的齿轮RUL动态控制方法，依托无模型自适应控制（MFAC）策略，综合在线RUL预测结果、预期使用时长和实时工况数据，动态调节齿轮运行状态。

Experimental Study

实验部分系统验证了所提框架的有效性。3.1介绍了数据集与实验设置；3.2展示了RUL预测实验结果，表明MMDA方法在跨域场景下优于现有基线模型；3.3评估了动态控制策略的实际效果，证明其可显著延长齿轮寿命并减少非计划停机；3.4对主要结果进行了深入讨论，强调了多源信息融合在工程实践中的价值。

Conclusion and Future Work

本研究提出了一种基于多源信息协同决策的齿轮RUL动态控制方法，通过MMDA预测模型和MFAC控制策略实现了主动健康管理。未来工作将探索更复杂的多传感器融合机制和自适应学习算法，以进一步提升系统在工业场景中的鲁棒性和适用性。