論文の概要: Towards Real-World RUL Prediction for Aircraft Compressors Under Variable Conditions with Physics-Guided Domain Adaptation

• arxiv url: http://arxiv.org/abs/2607.24809v1
• Date: Sun, 12 Jul 2026 03:05:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.077973
• Title: Towards Real-World RUL Prediction for Aircraft Compressors Under Variable Conditions with Physics-Guided Domain Adaptation
• Title（参考訳）: 物理誘導領域適応型可変条件下における航空機圧縮機の実世界RUL予測に向けて
• Authors: Yang Zhang, Shashvat Prakash, Jiong Tang,
• Abstract要約: 本稿では,物理誘導処理と適応時間符号化を組み合わせたフレームワークを提案する。 人口レベルの選別手順は、サージマージンを艦隊全体で最も一貫した劣化指標とみなしている。 構造的クロスドメイン評価は、符号化周期ミスマッチを、艦隊移動時の性能損失の第一のメカニズムとして特定する。
• 参考スコア（独自算出の注目度）: 3.6392601464131737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remaining useful life prediction for aircraft centrifugal air compressors in real commercial operations poses challenges that controlled benchmark datasets do not expose. In-flight sensor signals superimpose genuine degradation on continuously varying operating conditions, and no channel can be assumed a priori to carry a reliable degradation signature. Moreover, models trained on one subset of a fleet generalize poorly to unseen aircraft and installation positions, a cross-domain problem of underappreciated practical severity. This paper presents a framework combining physics-guided processing with adaptive temporal encoding. A population-level selection procedure identifies surge margin as the most consistent degradation indicator across the fleet. Operating regime filtering and windowed aggregation recover the health trend from operational noise, and two physically motivated features encoding current health level and cumulative degradation rate enable cross-unit comparison without absolute signal values. Sinusoidal positional encoding provides lifecycle context without data leakage, and a structured cross-domain evaluation identifies encoding period mismatch as the primary mechanism of performance loss under fleet transfer. An adaptive recalibration scheme estimates each target unit's lifecycle scale from early observations alone, requiring no future information or labeled target data. The approach yields substantial, consistent gains in cross-domain accuracy across transfer scenarios of increasing domain distance, and a Gaussian Process Regression model further provides calibrated uncertainty estimates supporting risk-informed maintenance scheduling.
• Abstract（参考訳）: 実際の商業運用における航空機遠心空気圧縮機の有用な寿命予測は、制御されたベンチマークデータセットが公開しない課題を生じさせる。 飛行中のセンサ信号は、連続的に変化する動作条件で真の劣化を重畳し、信頼性の高い劣化シグネチャを運ぶためのチャンネルを前提とすることはできない。 さらに、艦隊の1つのサブセットで訓練されたモデルでは、未確認の航空機や設置位置が不十分に一般化されている。 本稿では,物理誘導処理と適応時間符号化を組み合わせたフレームワークを提案する。 人口レベルの選別手順は、サージマージンを艦隊全体で最も一貫した劣化指標とみなしている。 動作状態のフィルタリングとウィンドウ集約は、運用ノイズから健康傾向を回復し、現在の健康レベルと累積劣化率をコードする2つの物理的動機付けされた特徴は、絶対信号値なしでユニット間比較を可能にする。 正弦波位置符号化は、データ漏洩のないライフサイクルコンテキストを提供し、構造化されたクロスドメイン評価は、符号化周期のミスマッチを、フリート転送時のパフォーマンス損失の第一のメカニズムとして特定する。 アダプティブ・リカレーション・スキームは、早期観測のみから各ターゲットユニットのライフサイクルスケールを推定し、将来の情報やラベル付きターゲットデータを必要としない。 このアプローチは、ドメイン距離を増大させる転送シナリオ間でドメイン間の精度を大幅に向上させ、さらにガウスプロセス回帰モデルは、リスクインフォームドメンテナンススケジューリングをサポートするキャリブレーションされた不確実性推定を提供する。

関連論文リスト

• AeroCast: Probabilistic 3D Trajectory Prediction for Non-Cooperative Aerial Obstacles via Transformer-MDN Architecture [1.0312968200748118]
  AeroCastは、TransformerエンコーダとMixture Density Network出力ヘッドを組み合わせた確率的軌道予測フレームワークである。 9つの運動カテゴリにまたがるハイブリッドリアル・合成四極子コーパスでは、AeroCastは平均変位誤差と最終変位誤差を約50%削減する。 AeroCast推論は1サンプルあたり0.1msで完了し、100Hzのリアルタイムオンボードデプロイメントと互換性がある。
  論文  参考訳（メタデータ） (2026-06-23T19:52:07Z)
• Bifurcated Remaining Useful Life Prediction: A Hybrid Approach for Realistic Uncertainty Characterization [1.679937788852769]
  この枠組みは、エンジンの運用寿命を「健康」と「劣化」の体制に二分する国家認識戦略を採用している。 この枠組みの最大の強みは、物理的に一貫した不確実帯の生成であり、寿命の終わり近くで高信頼な予測をもたらす。
  論文  参考訳（メタデータ） (2026-05-29T12:42:07Z)
• Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation [0.0]
  動的環境における無人航空機はテレメトリーの停止、構造振動、状態依存ノイズに直面している。 我々は、スカラーパラメータをベクトル値のメモリ減衰ポリシーに置き換えるN-Deep Recurrent Sage-Husa Filter (NDR-SHKF)を導入する。 分岐アーキテクチャは、浅い再帰状態をルートし、瞬間的なセンサ異常と深い状態を捕捉し、持続的な動的傾向を符号化する。
  論文  参考訳（メタデータ） (2026-05-18T17:38:13Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• Neural Aided Kalman Filtering for UAV State Estimation in Degraded Sensing Environments [0.3093890460224435]
  本稿では,トレーニング済みBNNとKalman修正ステップを結合したハイブリッドフレームワークを提案する。 合成非線形UAV飛行データを用いて, レーダノイズレベルとサンプリングレートの異なるBNKFの評価を行った。
  論文  参考訳（メタデータ） (2026-04-30T16:55:15Z)
• Transformer-Based Predictive Maintenance for Risk-Aware Instrument Calibration [0.13543803103181612]
  キャリブレーションスケジューリングを予測的メンテナンス問題として検討する。 我々は、NASA C-MAPSSベンチマークをキャリブレーション設定に適合させる。 本研究では,条件に基づくキャリブレーションを共同予測と決定の問題とみなすことができることを示す。
  論文  参考訳（メタデータ） (2026-03-19T06:32:01Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。