基于多源信息协同决策的齿轮剩余寿命动态控制方法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寿命（RUL）动态控制方法，通过多层级多源域适应（MMDA）提升模型泛化能力，结合无模型自适应控制（MFAC）策略动态调控齿轮运行状态。该方法在自制实验平台上显著降低预测误差（RMSE下降27.6%），延长齿轮寿命约61小时，为复杂工况下的主动健康管理提供了创新性解决方案。

　　

Highlight

本研究通过多源信息协同决策框架实现了齿轮剩余寿命（RUL）的主动动态控制，突破了传统预测模型在跨工况泛化方面的局限性。

Proposed method

整体框架

提出集成RUL预测与动态控制的协同决策框架，通过实时多源数据（包括在线RUL预测值、预期使用时长和实时工况）驱动齿轮运行状态调节。

基于MMDA的RUL预测方法

通过多层级多源域适应（Multilevel Multi-source Domain Adaptation, MMDA）技术，同步优化局部与全局特征分布对齐并协调多个预测器的输出边界，显著提升跨工况预测精度。

齿轮RUL动态控制方法

引入无模型自适应控制（Model-Free Adaptive Control, MFAC）策略，根据实时RUL预测值和工况数据动态调整齿轮运行参数，实现寿命延长与非计划停机最小化。

Experimental Study

在自制齿轮传动实验平台上验证方法的有效性：MMDA预测模型相较基线方法平均RMSE降低27.6%，动态控制策略使齿轮寿命延长61小时。

Conclusion and Future Work

本研究提出的动态控制框架为齿轮主动健康管理提供了新范式，未来将探索更复杂的多部件协同控制与在线自适应学习机制。

CRediT authorship contribution statement

（略）

Declaration of Competing Interest

（略）

Acknowledgements

（略）