ターボファンエンジンの残存耐用寿命予測のための運転条件認識型マルチスケールHourglass-Transformer

要旨　正確な残存耐用寿命（RUL）予測は、特に航空機用ターボファンエンジンのような安全性が重視されるシステムにおいて、故障予知・健全性管理に不可欠である。しかし、運転条件の変化はセンサーデータの分布を変化させ、データ駆動型予測モデルの信頼性を低下させる可能性がある。本論文では、ターボファンエンジンのRUL予測に向けた運転条件認識型マルチスケールHourglass-Transformer（CA-MHT）を提案する。運転設定を複数のレジームに分類し、各レジーム内でセンサー測定値を正規化した後、マルチスケール時系列モデルで処理する。本手法をNASA C-MAPSSベンチマークで評価した結果、複数条件を含むFD002およびFD004サブセットにおいて顕著な改善が確認された。モデルの透明性を高めるため、SHAPおよびIntegrated Gradientsを用いてFD004モデルを分析する。説明可能性に関する結果から、RUL予測に影響を与えるセンサー入力および運転条件入力が特定され、モデルが主としてセンサーの時系列的挙動に依存していること、ならびに主要な特徴量ランキングが反復したSHAP実行間で安定していることが示された。2つの説明手法は、最も影響力の大きい特徴量についておおむね一致した一方、その相対的な順位には差異が見られた。これらの知見は、運転条件を考慮した前処理が予測性能を向上させ得ると同時に、説明可能性手法がモデルの意思決定過程に関する有用な洞察を提供することを示している。

https://doi.org/10.21203/rs.3.rs-10915875/v1