一种复杂装备集群健康状态多工况迁移预测方法

本发明提供一种复杂装备集群健康状态多工况迁移预测方法，属于装备集群故障预测与健康管理技术领域，包括：多工况数据采集；特征提取与工况识别；迁移学习模型训练，使用递归高斯过程回归模型作为基学习器，采用Two stage TrAdaBoost.R2算法进行迁移学习；进行剩余寿命预测，并将预测结果与实际故障时间进行对比，评估模型的准确性。本发明能够在数据稀缺或工况变化较大的情况下，有效迁移不同工况下的知识，提高在不同工况下装备集群剩余寿命预测的准确性和适应性实现更为精准的装备退化趋势预测。