基于随机模型更新的多模态不确定性感知机械寿命预测方法

一种基于随机模型更新的多模态不确定性感知机械寿命预测方法，先构建漂移网络，表征提炼块RDB包括四层：数据结构DS、短期局部特征细化、长期时间趋势开发和下采样，残差连接用于捕获跨层信息并促进梯度流；再构建扩散网络，遵循Lipschitz连续性，选择了ReLU作为激活函数；然后训练每个子网，子网的目标函数前两个部分是分布内漂移网络和调节扩散网络的回归项，后一个组件属于OOD样本；再对每个子网的不确定性量化，最后基于各自不确定性的多模态融合；本发明通过分数阶随机微分方程子网络对每种模态的不确定性进行建模，根据模态特征的不确定性进行动态融合，通过回归推理得到最终的预测结果及其相应的不确定性。