文献类型：期刊文章

作　　者：任浩[1] 屈剑锋[1] 柴毅[1,2,3] 唐秋[1] 叶欣[3]

REN Hao QU Jian-feng CHAI Yi TANG Qiu YE Xin(School of Automation, Chongqing University, Chongqing 400044, China State Key Laboratory of Power Transmission Equipment and System Security and New Technology, Chongqing 400044, China Key Laboratory of Space Launching Site Reliability Technology, Haikou 570100, China)

机构地区：[1]重庆大学自动化学院,重庆400044 [2]电力传输设备与系统安全国家重点实验室,重庆400044 [3]航天发射场可靠性技术重点实验室,海口570100

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(61275162);重庆市基础与前沿研究计划项目(cstc2016jcyjA0504)

年　　份：2017

卷　　号：32

期　　号：8

起止页码：1345-1358

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.

关 键 词：深度学习  复杂工业系统  特征提取 故障检测与识别  

分 类 号：TP277]