Bayesian Transformer-LSTM ni usanifu mseto wa prognostiki unaounganisha vipengele vya Transformer, Long Short-Term Memory (LSTM) na mtandao wa neva wa Kibayesiani ili kutabiri muda uliobaki wa matumizi kutokana na tabia ya uharibifu inayobadilika kwa muda katika pampu kuu za kupozea za mitambo ya nyuklia na kueleza kwa kiasi kutokuwa na uhakika wa utabiri huo. Utafiti unaunganisha uchanganuzi wa nambari wa hitilafu kwa mkusanyiko wa shimoni la rota, muundo wa kuziba wa koni mbili na sleeve ya kinga ya mota na majaribio ya prototaipu ili kutoa sifa za uharibifu mahususi kwa kila kijenzi, kuzibadilisha kuwa Kiashiria Jumuishi cha Afya cha kiwango cha mfumo (Comprehensive Health Index, CHI) kwa kutumia umbali wa Mahalanobis na uzani unaotegemea kitovu cha uzito wa wingu, kisha kuingiza mfululizo wa muda wa CHI katika modeli ya Bayesian Transformer-LSTM. Matokeo ya ablation yaliyoripotiwa kwa modeli iliyounganishwa ni MAE = 0,016, RMSE = 0,018 na R² = 0,997. Katika upimaji wa kutokuwa na uhakika, PICP = 0,839 na MPIW = 0,0435 zimeripotiwa.

Lengo la modeli si kujibu tu swali “pampu kuu imebakiza saa ngapi za maisha?” kwa thamani moja. Safu ya Kibayesiani pia huzalisha usambazaji wa kutokuwa na uhakika unaozunguka thamani ya RUL iliyotabiriwa. Hata hivyo, kuna mipaka muhimu katika kutafsiri matokeo: mlolongo wa uharibifu wa miaka 15 si kipimo cha moja kwa moja cha uwanjani kwa ukamilifu; majaribio ya prototaipu, uigaji wa kifizikia, uongezaji wa data kwa Monte Carlo na utoaji wa makadirio ya mzunguko wa uendeshaji zimetumika kwa pamoja. Zaidi ya hayo, PICP = 0,839 iko chini ya kiwango cha kawaida cha ufikiaji cha %95 kilichotajwa katika ufafanuzi wa metriki wa utafiti. Kwa hiyo, ingawa utafiti unaonyesha mafanikio ya juu ya utabiri wa nukta, urekebishaji wa kutokuwa na uhakika bado unahitaji kuboreshwa zaidi.

Tatizo la utafiti

Pampu kuu ya kupozea katika mitambo ya nyuklia ni mojawapo ya vifaa msingi vya mzunguko wa kwanza wa reactor ya maji yenye shinikizo na katika utafiti inaelezwa kama “moyo” wa mzunguko wa kwanza. Kwa kuwa kusimama bila mpango kwa pampu hii ni muhimu si kwa gharama za matengenezo tu bali pia kwa mwendelezo wa uendeshaji wa mtambo, kuna haja ya mbinu za Prognostics and Health Management (PHM) zinazofuatilia hali halisi ya afya ya kifaa badala ya kutegemea matengenezo ya vipindi.

Sehemu kubwa ya modeli za jadi za RUL hutoa maisha yajayo kama namba moja. Kwa mfano, modeli inaweza kusema “muda uliobaki ni saa 10.000”; lakini huenda isieleze thamani hiyo inaaminika kwa kiwango gani. Katika vifaa vya nyuklia, upungufu huu ni muhimu hasa. Utabiri uleule wa nukta unaweza kuambatana na kipindi chembamba au kipana sana cha kutokuwa na uhakika, na maana ya hali hizi mbili kwa uamuzi wa matengenezo si sawa.

Utabiri wa Muda Uliobaki wa Matumizi ni Nini?

Muda uliobaki wa matumizi (Remaining Useful Life, RUL) ni muda wa kazi unaotarajiwa kubaki kutumika kuanzia hali ya sasa ya afya ya kifaa hadi kufikia kikomo cha mwisho wa maisha kilichofafanuliwa kwa utendaji au kwa matengenezo. Katika utafiti huu, RUL hupatikana kwa kuhusianisha hali ya maisha iliyosawazishwa iliyotabiriwa kutoka kwa kiashiria jumuishi cha afya cha pampu kuu kinachoundwa kwa muda na kipimo halisi cha muda wa uharibifu.

Kwa nini utabiri haukufanywa moja kwa moja kutoka kwa sensa ghafi?

Katika mifumo changamano ya kielektromakanika kama pampu kuu, sensa tofauti hupima viwango tofauti vya kifizikia. Mtetemo, mkondo, volteji na preload ya bolt hutofautiana kwa vipimo, ukubwa na muundo wa kelele. Zaidi ya hayo, mabadiliko katika sensa moja yanaweza yasiiwakilishe hali ya afya ya pampu nzima.

Kwa hiyo, badala ya kutuma moja kwa moja ishara zote ghafi kwenye modeli ya RUL, utafiti kwanza huzalisha viashiria vya afya katika kiwango cha kijenzi, kisha huviunganisha ndani ya CHI ya kiwango cha mfumo.

Vipengele vitatu muhimu vilivyochunguzwa

Watafiti walichagua mifumo mitatu midogo iliyo nyeti kwa hitilafu kwa kuzingatia mrejesho wa muda mrefu wa uwanjani na majukumu ya usalama ya vipengele:

• Mkusanyiko wa shimoni la rota: Kutokulingana kwa mhimili na uchakavu wa bearing hubadilisha tabia ya mtetemo.
• Mkusanyiko wa kuziba wa koni mbili: Kupotea kwa preload na mizunguko ya joto kunaweza kudhoofisha utendaji wa kuziba.
• Sleeve ya kinga ya mota: Uchakavu au kuvimba kunaweza kubadilisha hasara za kielektromagneti na tabia ya kimuundo.

Jukwaa la majaribio ya prototaipu ya pampu kuu

Katika utafiti, jukwaa la majaribio ya prototaipu ya pampu kuu lilitumika ili mifumo ya hitilafu isitolewe kutoka kwa modeli ya nambari pekee. Jukwaa linajumuisha vifaa vya majaribio ya hitilafu vya mfumo wa shimoni, kuziba kwa koni mbili na sleeve ndogo ya kinga, mfumo wa ukusanyaji wa data na sensa za vipimo.

Kadi ya NI 6233 ilitumika kukusanya data na imeelezwa kuwa masafa ya sampuli ya mfumo yanaweza kufikia 10.000 Hz.

Kwa nini mtetemo ni muhimu katika mkusanyiko wa shimoni la rota?

Ili kuunda hitilafu ya eccentricity katika mfumo wa shimoni, eneo la kuwekewa katikati kwenye shimoni ya mwongozo ya chini lilifanyiwa uchakataji unaodhibitiwa ili kuvuruga concentricity na mhimili wa mwongozo wa juu. Mifumo ya mawimbi ya mtetemo ilipolinganishwa kati ya hali yenye afya na yenye hitilafu, ilionekana kwamba baada ya kuingiza hitilafu, amplitudo ya kilele cha mtetemo ilikuwa zaidi ya mara tatu ya rejea yenye afya.

Kwa hiyo, amplitudo ya mtetemo ilichaguliwa kama kigezo bainifu kilicho nyeti kwa uharibifu wa mfumo wa rota-bearing.

Tatizo la mzunguko wa joto wa kizibo cha koni mbili

Kwa kuwa kuunda upya mchakato mzima wa hitilafu ya kizibo cha koni mbili kwa majaribio ya kifizikia pekee ni ghali na huchukua muda, modeli ya finite element iliundwa kwa ANSYS 17.0.

Katika mzunguko wa kupasha joto, ilikubaliwa kuwa wastani wa joto la kipozezi cha reactor huongezeka ndani ya takriban saa 15 kutoka 22 °C hadi 320 °C, huku shinikizo la mzunguko wa kwanza likiongezeka kutoka 2 MPa hadi 15,0 MPa. Katika mchakato wa kusimama baridi, joto lilishushwa kutoka 320 °C hadi 22 °C na shinikizo kutoka 15 MPa hadi 2 MPa ndani ya takriban saa 15.

Kasi ya Kupoa Huathirije Uwezo wa Kuziba wa Kizibo cha Koni Mbili?

Kulingana na uigaji wa utafiti chanzo, kuongezeka kwa kasi ya kupoa kutoka 10 °C/saa hadi 40 °C/saa kuliongeza kasi ya juu ya uvujaji wa kizibo cha koni mbili kutoka 2,6 × 10⁻⁵ g/s hadi 1,1 × 10⁻⁴ g/s; yaani, ongezeko la takriban mara 4,23 lilionekana. Kwa kuwa katika uchanganuzi huohuo uvujaji uliongezeka kadiri mzigo wa bolt ulivyopungua, preload ya bolt ilichaguliwa kama sifa nyeti ya kufuatilia uharibifu wa kizibo.

Kikomo cha kuziba cha Daraja la III kilichotajwa katika utafiti ni kiwango cha juu cha 1,0 × 10⁻⁴ g/s.. Katika hali ya 40 °C/saa, thamani ya juu iliyohesabiwa ilizidi kikomo hiki na kutafsiriwa katika utafiti kama mpito kwenda kiwango cha Daraja la IV.

Ili kuthibitisha modeli kwa njia ya kifizikia, majaribio ya mzunguko wa joto yalifanywa kwenye Bolt No.1 na Bolt No.3 iliyo linganifu. Preload ya awali ya bolt ilitolewa kama 300 kN. Ukaribu wa mwelekeo wa preload wa nambari na wa majaribio uliunga mkono matumizi ya preload ya bolt kama sifa inayofaa ya hitilafu.

Modeli ya fizikia nyingi katika sleeve ya kinga ya mota

Kwa kuwa majaribio ya uharibifu wa kifizikia ya sleeve ya kinga yana gharama kubwa, watafiti walitumia ANSYS Maxwell R17.0 na COMSOL 5.3a kwa pamoja kuunda modeli ya kielektriki-joto-makanika.

Katika modeli, mkondo wa stator, volteji na hasara za eddy current katika sleeve ya kinga zilipatikana kutoka kwa uchanganuzi wa kielektromagneti; upande wa COMSOL uliunganisha moduli za mekanika ya yabisi, uhamishaji joto, kimiminika na upanuzi wa joto.

Katika uigaji, takriban 700 MPa mkazo wa juu, 260 °C joto la juu na 0,1 mm deformation ya juu ziliripotiwa katika sleeve ya kinga ya mota. Mkazo na joto viliongezeka kadiri ilivyokaribia upande wa kipozezi, huku deformation ya juu ikitokea katika sehemu ya kati ya tundu la sleeve.

Imeonyeshwa kuwa hasara ya eddy current katika sleeve ya kinga yenye afya, iliyoelezwa katika chanzo kuwa takriban 15 kW, hubadilika kwa namna iliyo nyeti kwa aina ya hitilafu. Katika hitilafu ya kuvimba, kosa hubadilika kati ya 0 na +4 kW, na katika hitilafu ya uchakavu kati ya 0 na −2 kW. Majaribio ya prototaipu yalionyesha kuwa mielekeo ya uigaji na majaribio inafanana katika hali za kasi ya chini na ya juu. Kwa hiyo, hasara ya eddy current ilichaguliwa kama kiashiria cha uharibifu wa sleeve ya kinga.

Kiashiria Jumuishi cha Afya ni Nini?

Kiashiria Jumuishi cha Afya (Comprehensive Health Index, CHI) ni kiashiria kinachounganisha viashiria tofauti vya kifizikia vya uharibifu, kama mtetemo wa rota wa pampu kuu, hasara ya eddy current ya sleeve ya kinga na preload ya bolt ya kizibo cha koni mbili, katika kigezo kimoja cha afya ya mfumo kilichosawazishwa. Katika utafiti, kiashiria cha afya kinachotegemea umbali wa Mahalanobis kiliundwa kwanza kwa kila kijenzi, kisha viashiria hivi vikaunganishwa kwa uzani unaotegemea kitovu cha uzito wa wingu.

Umbali wa Mahalanobis

Kipimo msingi cha umbali kilichotumika katika utafiti ni:

\[ D_M=\sqrt{(x-\mu)^T S^{-1}(x-\mu)} \]

Hapa \(x\) inawakilisha vekta ya sasa ya sifa, \(\mu\) vekta ya wastani ya rejea yenye afya na \(S\) matriksi ya kovariansi ya sifa.

Faida kuu ya umbali wa Mahalanobis ni kwamba huzingatia uhusiano kati ya sifa na mizani tofauti kupitia matriksi ya kovariansi. Hivyo, utafiti haupimi tu swali “thamani ya sensa imebadilika kiasi gani ikilinganishwa na mwanzo?” bali pia umbali ambao mfumo umeondoka kutoka nafasi ya hali yenye afya yenye vigezo vingi.

Mfuatano wa kuunda CHI

1. Uchakataji wa awali unaotegemea dirisha linaloteleza hutumika kwenye ishara ghafi za sensa.
2. Eneo la awali la uendeshaji thabiti hukubaliwa kama rejea yenye afya.
3. Umbali wa Mahalanobis huhesabiwa kwa sifa za kila kijenzi.
4. Mikengeuko ya vipengele hupewa uzani.
5. Kiashiria kilichounganishwa cha uharibifu huundwa kwa mbinu ya kitovu cha uzito wa wingu.
6. Thamani ya mwisho husawazishwa na indeks za afya za kijenzi na mfumo hupatikana.

Vigezo vya ubora wa kiashiria cha afya

Utafiti ulitumia vigezo vikuu vitatu:

• Monotonicity: Kiwango ambacho kiashiria cha afya huhifadhi vizuri mwelekeo wa uharibifu wa upande mmoja kadiri muda unavyopita.
• Trendability: Uhusiano kati ya HI na muda wa uendeshaji.
• Robustness: Ustahimilivu dhidi ya kelele ya vipimo.

Kwa HI ya kiwango cha mfumo, monotonicity iliripotiwa kuwa 0,8823, trendability 0,4809 na robustness 0,8214. Waandishi wanaeleza kuwa thamani ya trendability si ya juu kwa uhusiano wa mstari, lakini indeksi inanasa tabia ya uharibifu isiyo ya mstari.

Vizingiti vya afya na matengenezo

Katika modeli, HI > 0,9 inawakilisha eneo lenye afya kamili, huku HI < 0,6 ikiwakilisha eneo linalokaribia mwisho wa maisha na linalohitaji matengenezo yaliyopangwa.

Katika profaili ya kazi ya muda mrefu iliyoundwa, pampu kuu huingia eneo la afya duni karibu na 7,6 × 10⁴ saa na hufikia kizingiti cha matengenezo/kusimama baada ya takriban 10,5 × 10⁴ saa. Haya ni matokeo ya profaili ya kazi iliyoundwa katika utafiti; si mipaka ya jumla kwa pampu kuu zote halisi.

Data ya miaka 15 iliundwaje?

Kwa sababu ya uaminifu mkubwa wa pampu kuu, data ya majaribio ya muda mrefu hadi kufikia mwisho wa hitilafu halisi ni chache. Watafiti walipanua sifa zilizopatikana kutoka kwa majaribio ya prototaipu na uchanganuzi wa mifumo ya kifizikia kwa uongezaji wa data wa Monte Carlo ili kufidia upungufu huu.

Profaili ya kazi ya muda mrefu iliundwa kwa kutumia mizunguko ya kuanzisha na kusimamisha reactor, kuongeza-kupunguza nguvu na uendeshaji wa pampu kwa kasi ya juu/chini; kwa kurudia mizunguko hiyo, mfululizo wa sifa unaowakilisha takriban miaka 15 ya huduma ulipatikana.

Kielelezo 14 kinaonyesha kwamba katika seti hii ya data iliyopanuliwa, amplitudo ya mtetemo wa rota huongezeka kwa kasi inayoongezeka kadiri muda unavyopita, hasara ya eddy current ya sleeve ya kinga hupungua kwa kasi inayoongezeka, na mzigo wa bolt wa kizibo cha koni mbili kwa ujumla unaonyesha mwelekeo wa kupungua.

Kwa hiyo, seti ya data ya miaka 15 haipaswi kueleweka kama “data ya uwanjani ya mtambo iliyopimwa bila kukatizwa kwa miaka 15”.

Mgawanyo wa majukumu katika usanifu wa Transformer-LSTM

Modeli ina matawi mawili sambamba ya mfululizo wa muda.

Tawi la Transformer lilitumika kujifunza uhusiano wa kimataifa kati ya uchunguzi ulio mbali kwa muda mrefu kwa kutumia mekanizimu ya multi-head self-attention.

Tawi la LSTM hujifunza mabadiliko ya eneo la muda mfupi na wa kati katika nukta mfululizo za muda kupitia milango ya kusahau, kuingiza na kutoa.

Sifa fiche za matawi haya mawili kisha huunganishwa na kupelekwa kwenye safu iliyounganishwa kikamilifu ya Kibayesiani.

Kwa Nini Safu ya Kibayesiani Inahitajika?

Safu ya Kibayesiani hutumika kuwakilisha uzani wa mtandao wa neva si kama namba moja na thabiti, bali kama usambazaji wa uwezekano, ili kuhesabu si tu thamani inayotarajiwa ya utabiri wa RUL bali pia kutokuwa na uhakika kunakoambatana na utabiri. Hivyo, badala ya kutoa thamani moja ya muda uliobaki, modeli huzalisha usambazaji wa utabiri na kipindi cha utabiri kinachoweza kutumika katika uamuzi wa matengenezo.

Uhusiano msingi wa posterior wa inferensi ya Kibayesiani umetolewa katika chanzo kama ifuatavyo:

\[ P(Z|X,Y)=\frac{P(Y|X,Z)P(Z)}{P(Y|X)} \]

Hapa \(Z\) inawakilisha vigezo vya modeli, \(X\) ingizo na \(Y\) malengo yaliyoangaliwa.

Kwa ingizo jipya \(x\), usambazaji wa posterior wa utabiri ni:

\[ P(y|x,X,Y)=\int P(y|x,Z)P(Z|X,Y)\,dZ \]

Katika utafiti, mbinu ya Markov Chain Monte Carlo (MCMC) ilitumika kuchukua sampuli kutoka posterior yenye vipimo vingi.

Mipangilio ya mafunzo ya modeli

Wakati wa kuchagua idadi ya sampuli za MC, sampuli 18, 20 na 30 zililinganishwa; kosa lilipatikana kuwa takriban %2,03, %1,98 na %1,96 mtawalia. Kwa kuwa faida ilikuwa ndogo baada ya 20, sampuli 20 za MC zilichaguliwa ili kusawazisha gharama ya kompyuta na usahihi.

Kuongezeka kwa kutokuwa na uhakika unapokaribia mwisho wa maisha

Kielelezo 17 cha chanzo kinaonyesha kwamba kutokuwa na uhakika kwa modeli huongezeka wazi kadiri inavyokaribia mwisho wa maisha. Imeripotiwa kuwa wastani wa kosa la kutokuwa na uhakika kwa modeli ni chini ya %2, lakini thamani huongezeka hadi zaidi ya %3,5 pampu kuu inapokaribia mwisho wa maisha.

Tabia hii ni muhimu kwa matengenezo: kadiri kifaa kinavyoharibika zaidi, uhakika wa utabiri wa maisha yajayo unaweza pia kupungua. Lengo la mbinu ya Kibayesiani ni kufanya kutokuwa na uhakika huku kuonekane.

Uthibitishaji wa kuvuka hali za uendeshaji

Ili kujaribu kama modeli imekariri hali moja tu ya uendeshaji, seti ya data iligawanywa katika hali za kuanzisha reactor, kuongeza nguvu na kupunguza nguvu. Katika kila awamu, hali moja iliachwa kwa jaribio na hali nyingine mbili zilitumika kwa mafunzo.

Katika uthibitishaji huu mgumu zaidi, wastani wa RMSE = 0,126 na R² = 0,669 ulipatikana. Matokeo haya yanaonyesha kwamba modeli ina uwezo fulani wa kujumuisha katika hali tofauti za uendeshaji, lakini haikuweza kudumisha utendaji wa kiwango cha R² = 0,997 wa seti kuu ya majaribio.

Kwa hiyo, mojawapo ya tahadhari kali zaidi kuhusu uwezo wa modeli kujumuisha katika hali halisi za uwanjani ni kushuka huku kwa utendaji katika hali tofauti.

Mbinu na Matokeo ya Utafiti

Mtiririko wa data kutoka kijenzi hadi kiwango cha mfumo

Usanifu wa utabiri wa RUL

Jaribio la ablation

Matokeo haya ya ablation yanaonyesha kwamba modeli iliyounganishwa inatoa kosa la chini kuliko modeli mbili za tawi moja. Kwa mujibu wa tafsiri ya waandishi, Transformer hunasa vizuri zaidi utegemezi wa kimataifa katika mfululizo wa muda mrefu sana, huku LSTM ikinasa vizuri zaidi mabadiliko ya muda mfupi ya eneo; zinapotumiwa pamoja, zinafidia kwa kiasi mapungufu ya kila moja.

Ikilinganishwa na LSTM, modeli iliyounganishwa ilipunguza MAE kwa takriban %11,1 na RMSE kwa %18,2. Ikilinganishwa na Transformer pekee, kupungua kwa MAE kuliripotiwa kuwa %20,0 na kupungua kwa RMSE kuwa %21,7.

Je, R² = 0,997 Inaonyesha Kuwa Modeli Itafanya Kazi Bila Kosa katika Mtambo Halisi wa Nyuklia?

Hapana. R² = 0,997 inaonyesha kwamba katika seti ya data ya majaribio iliyoundwa na utafiti chanzo, modeli iliyounganishwa inalingana vizuri sana na mkondo wa rejea wa uharibifu; haithibitishi kwamba utendaji uleule utadumishwa katika mtambo halisi wa nyuklia chini ya hali zote za uendeshaji, uharibifu wa sensa na hali zisizotarajiwa za hitilafu. Kwa kweli, katika uthibitishaji wa kuvuka hali za uendeshaji, wastani wa thamani ya R² ulishuka hadi 0,669.

Metriki za kutokuwa na uhakika

Utafiti ulitumia metriki mbili kuu za vipindi:

• PICP — Prediction Interval Coverage Probability: Uwiano wa thamani halisi za RUL zinazobaki ndani ya kipindi cha utabiri kilichoundwa.
• MPIW — Mean Prediction Interval Width: Wastani wa upana wa vipindi vya utabiri.

Katika matokeo ya chanzo, PICP = 0,839 na MPIW = 0,0435 zimetolewa.

Kuna kikomo muhimu cha tafsiri hapa. Katika sehemu ya mbinu ya makala, inaelezwa kwamba PICP ikifikia lengo la kuaminika la %95 lililowekwa awali, hilo lingeonyesha upimaji wa kuaminika wa kutokuwa na uhakika. Thamani iliyoripotiwa ya 0,839 ni sawa na takriban ufikiaji wa %83,9 na iko chini ya %95. Kwa hiyo, matokeo hayapaswi kutafsiriwa kama “yanatimiza kikamilifu ufikiaji wa kawaida wa %95”.

Kutolingana kwa metriki ndani ya chanzo

Muhtasari wa makala na Jedwali 3 hutoa R² = 0,997, MAE = 0,016 na RMSE = 0,018 kwa modeli iliyounganishwa. Hata hivyo, katika aya moja ya sehemu ya matokeo, R², MAE, RMSE, PICP na MPIW zimeorodheshwa mtawalia kama 0,016, 0,014, 0,097, 0,839 na 0,0435. Mpangilio huu haulingani na Jedwali 3 na muhtasari.

Kwa hiyo, katika maandishi ya Verianla, thamani za Jedwali 3 zilizowasilishwa wazi zimetumiwa kama msingi wa kulinganisha usanifu wa modeli; mgongano ndani ya chanzo haukusahihishwa kimya kimya.

Hitimisho zinazoungwa mkono na utafiti

• Amplitudo ya mtetemo wa rota, preload ya bolt ya kizibo cha koni mbili na hasara ya eddy current ya sleeve ya kinga vinaweza kutumika kama sifa zilizo nyeti kwa hali za hitilafu zilizochunguzwa.
• Umbali wa Mahalanobis na fusion yenye uzani vinaweza kuunganisha data za vipengele katika kiashiria kimoja cha afya ya mfumo.
• Transformer-LSTM iliyounganishwa ilitoa MAE na RMSE za chini kuliko LSTM au Transformer pekee katika seti ya data ya majaribio ya utafiti huu.
• Safu ya Kibayesiani huzalisha kutokuwa na uhakika wa utabiri pamoja na RUL ya nukta.
• Kutokuwa na uhakika wa utabiri huongezeka kadiri mwisho wa maisha unavyokaribia.
• Utendaji wa modeli hupungua ikihamishwa kwenda hali tofauti za uendeshaji ikilinganishwa na seti kuu ya majaribio.

Ujumlishaji usioungwa mkono na utafiti

• Haiwezi kusemwa kwamba modeli itafanya kazi kwa R² = 0,997 katika pampu kuu zote za mitambo ya nyuklia.
• Haiwezi kusemwa kwamba mlolongo wote wa data wa miaka 15 ni vipimo vya moja kwa moja vya uwanjani vya miaka 15.
• Matokeo ya PICP = 0,839 hayamaanishi kwamba lengo la kipindi cha utabiri cha %95 limetimizwa kikamilifu.
• Matokeo ya modeli yenyewe hayachukui nafasi ya uamuzi wa matengenezo muhimu kwa usalama.
• Haijaonyeshwa kwamba hali za hitilafu ambazo hazikuchunguzwa zinaweza kutabiriwa kwa kuaminika kwa modeli ileile ya CHI na RUL.
• Matokeo ya kuvuka hali hayathibitishi kwamba modeli ni thabiti kabisa dhidi ya mabadiliko ya hali za uendeshaji.

Utafiti wa baadaye

Watafiti wanaeleza kwamba MCMC, hasa inapounganishwa na idadi kubwa ya vigezo vya Transformer, husababisha gharama kubwa ya kompyuta. Katika siku zijazo, imepangwa kutumia Variational Inference inayosaidiwa na autoencoder ili kupunguza muda wa ukadiriaji wa posterior.

Pendekezo la pili ni kuongeza moduli za transfer learning kwenye modeli ili kupunguza mabadiliko ya usambazaji wa sifa katika hali tofauti za uendeshaji. Hitaji hili linahusiana hasa na kushuka wazi kwa thamani ya R² ya kuvuka hali ikilinganishwa na matokeo ya jaribio kuu.

Maelezo ya Chanzo na Mbinu

Utafiti asilia: Research on Remaining Useful Life Prediction and Uncertainty Quantification for Main Pumps in Nuclear Power Plants Based on Bayesian Transformer-LSTM.

Waandishi: Kai Wang, Zhi Chen, Yifan Jian, Hui Li na Xiufeng Wang. Mwandishi anayewajibika ni Zhi Chen.

Taasisi: National Key Laboratory of Reactor Technology, Nuclear Power Institute of China; State Key Laboratory of Power Transmission and Transformation Equipment Technology, Chongqing University; College of Mechanical Engineering, Xi’an Jiaotong University.

Chapisho: Energies, 2026, 19, 4161. MDPI.

DOI: 10.3390/en19174161

Mchakato wa uchapishaji: Utafiti ulipokelewa 17 Juni 2026, ukarekebishwa 5 Julai 2026, ukakubaliwa 31 Agosti 2026 na kuchapishwa 3 Septemba 2026.

Mapitio ya kitaalamu: Ni makala ya utafiti iliyopitiwa na wataalamu.

Leseni: Creative Commons Attribution (CC BY).

Ufadhili: National Natural Science Foundation of China, Grant No. U2267206.

Upatikanaji wa data: Imeelezwa kwamba data zinaweza kuombwa kutoka kwa mwandishi anayewajibika, lakini hazipatikani kwa umma kwa sababu ya kulindwa kwa haki za mali miliki za taasisi husika.

Tamko la matumizi ya akili bandia: Waandishi wameeleza kwamba wakati wa kuandaa makala walitumia Doubao, Seed 2.0 kutafsiri sehemu za maandishi ya Kichina kwenda Kiingereza na kwa uhariri wa lugha; na kwamba walikagua na kuhariri matokeo wenyewe.

Mgongano wa maslahi: Waandishi wametangaza kwamba hakuna mgongano wa maslahi.

Vikwazo vikuu vya kimbinu: Seti ya data ya huduma ya muda mrefu ni mchanganyiko wa vipimo, uigaji, uongezaji wa data wa Monte Carlo na utoaji wa makadirio ya mizunguko. Utendaji wa R² wa modeli katika hali tofauti hushuka hadi 0,669. MCMC ina gharama kubwa ya kompyuta. PICP = 0,839 iko chini ya kiwango cha kawaida cha ufikiaji cha %95. Katika sehemu ya matokeo ya chanzo, kuna kutolingana kati ya uwasilishaji wa maandishi wa baadhi ya thamani za utendaji na Jedwali 3.