汽车发动机质量控制受到高维、噪声和不平衡的多传感器数据的极大阻碍。为克服这些挑战，本文提出了一种边缘可部署的诊断和预测框架。首先，稀疏自编码器（SAE）将12,000个分布式制造参数映射到一个可靠的潜在空间，以过滤仪器噪声。其次，为了进行缺陷分类，特定类别加权集成（CSWE）通过强烈惩罚多数类偏差来解决极端类别不平衡问题，提高了缺陷拦截的召回率7.72%。第三，为了跟踪瞬态性能，自适应状态切换回归（ARSR）用无监督状态路由替代手动阶段选择，以动态加权本地专家，减少相对预测误差12%。在三个不同的公共数据集（NASA C-MAPSS、AI4I、SECOM）和一个物理H4发动机装配线中严格验证，该框架实现了80±3毫秒的超低推理延迟，实际降低了发动机返工率7.2%。
Yang等（周四）研究了这个问题。