一种新的预测应用的时间序列直方图特征方法

一种新的预测应用的时间序列直方图特征( TS - HoF )方法

A Novel Time Series-Histogram of Features (TS-HoF) Method for Prognostic Applications

数据驱动的预测方法通常利用能够反映系统健康状况的观测信号并结合机器学习方法来预测系统的剩余使用寿命（RUL）。目前，为了预测而开发的特征提取方法大多集中于从常规的时间序列应用中提取特征。

但是，在时间发生期间收集的数据具有随机性，采样频率不规则，这也是当前方法面临的挑战。对于大多数的预测应用，RUL 和观测信号中所显示数据的趋势变化密切相关。针对这一现象，本文提出了一种新的针对时间序列直方图的特征提取方法，提取描述观测信号在运动时间窗口内局部退化特征的特征。

以一个航空发动机仿真数据集的测评为例，说明了该方法的有效性。实验结果表明，该方法在相同的信息时间窗口中取得了与传统特征提取方法相同甚至更好的效果。

此外，该方法还可以提取与传统特征提取技术互补的信息，从而使这些特征提取技术相结合，获得更好的性能。

点击阅读原文，查看论文原文