連続ブロック欠損データ下でのRUL予測のためのマクロアンカー付き物理情報GAN
A Macro-Anchored Physics-Informed GAN for RUL Prediction Under Continuous Block Missing Data
産業機器の剩余寿命(RUL)予測において、連続ブロック欠損データは大きな課題となっている。本研究では、この課題に対処するため、欠損シーケンス再構築のためのマクロアンカー付き物理情報GAN(MAP-GAN)と、不確実性を考慮した予後予測のためのAttention-BiLSTM-MCDを統合した2段階の再構築・予後予測フレームワークを提案する。MAP-GANは、マクロアンカー付きマイクロウィンドウ生成器、物理的劣化法則を組み込んだ敵対的目的関数、エンコーダー誘導型潜在空間反転メカニズムにより、次元汚染の軽減、物理的制約の遵守、個別固有の劣化パターンのキャプチャを実現する。Attention-BiLSTM-MCDは、モンテカルロドロップアウトを用いて予測の不確実性を推定し、確率区間付きのRUL推定値を提供する。提案手法の有効性は、リチウムイオン電池データセットで検証され、欠損パターン感度分析、物理制約項ごとのアブレーション、不確実性キャリブレーション分析、および独立した第2の電池データセットでの外部検証によってさらに確認された。
- 産業機器の残余寿命(RUL)予測における連続ブロック欠損データ課題に対し、マクロアンカー付き物理情報GAN(MAP-GAN)とAttention-BiLSTM-MCDを統合した2段階の再構築・予後予測フレームワークを提案した研究
- MAP-GANはマクロアンカー付きマイクロウィンドウ生成器、物理的劣化法則を組み込んだ敵対的目的関数、エンコーダー誘導型潜在空間反転機構により次元汚染軽減と物理制約遵守を実現
- Attention-BiLSTM-MCDはモンテカルロドロップアウトにより予測不確実性を推定し、確率区間付きのRUL推定値を提供
- リチウムイオン電池データセットで有効性を検証し、欠損パターン感度分析・物理制約項ごとのアブレーション・不確実性キャリブレーション分析・独立した第2の電池データセットでの外部検証を実施
産業機器のRUL(残余寿命)予測は予知保全・アフターマーケット保守の経済価値が大きく、本件は欠損データという実務で頻出する障害に、物理情報を組み込んだGAN再構築と不確実性推定(MCドロップアウト)を組み合わせた点が実装寄りで注目される。ただし現時点ではリチウムイオン電池データセットでの学術検証に留まり、商用製品・企業・調達の発表ではないため、投資判断に直結する材料は限定的。予知保全・電池診断を手掛ける企業への技術導入や、物理制約を組み込んだ生成モデルの産業応用動向を追う際の参照情報として位置づけたい。