文献类型：期刊文章

作　　者：彭成[1,2] 李凤娟[1] 蒋金元[1]

PENG Cheng;LI Fengjuan;JIANG Jinyuan(School of Computer Science,Hunan University of Technology,Zhuzhou 412007,China;School of Automation,Central South University,Changsha 410083,China)

机构地区：[1]湖南工业大学计算机学院,湖南株洲412007 [2]中南大学自动化学院,湖南长沙410083

出　　处：《现代电子技术》

基　　金：国家自然科学基金资助项目(61871432);湖南省自然科学基金资助项目(2020JJ4275)

年　　份：2022

卷　　号：45

期　　号：3

起止页码：111-120

语　　种：中文

收录情况：IC、RCCSE、ZGKJHX、普通刊

摘　　要：智能制造背景下,机械设备趋于复杂庞大,海量、多源、高维度、非结构的工业数据给系统管理监测带来更大难度,设备的故障诊断与预测更显重要。传统故障诊断与预测方法难以建立准确的数据模型,在设备故障诊断预测应用方面受到很大局限,深度学习以其强大的自主学习非线性数据表示和模式识别的能力在许多领域都有重大突破,在工业设备的故障诊断与预测领域也得到广泛关注。文中对四类经典的深度学习模型:深度置信网络、卷积神经网络、自动编码器及其变体、循环神经网络的网络结构和模型思想作详细介绍,阐述并总结了这四类深度学习模型在故障诊断与预测领域的研究成果,讨论了基于深度学习的故障诊断与预测方法的优势与不足,对未来可能的研究方向作了展望。

关 键 词：故障诊断 故障预测 深度学习模型  RUL预测  特征提取 网络结构

分 类 号：TN707-34]