深度学习在故障诊断领域中的研究现状与挑战

被引：247

作者：

任浩 ^{[1
]}

屈剑锋 ^{[1
]}

柴毅 ^{[1
,2
,3
]}

唐秋 ^{[1
]}

叶欣 ^{[3
]}

机构：

[1] 重庆大学自动化学院

[2] 电力传输设备与系统安全国家重点实验室

[3] 航天发射场可靠性技术重点实验室

来源：

控制与决策 | 2017年 / 32卷 / 08期

关键词：

深度学习; 复杂工业系统; 特征提取; 故障检测与识别;

D O I：

10.13195/j.kzyjc.2016.1625

中图分类号：

TP18 [人工智能理论]; TP277 [监视、报警、故障诊断系统];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0804 ; 080401 ; 080402 ;

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.

引用

页码：1345 / 1358

页数：14

共 88 条

[1] 动态深度信念网络模型构建 [J].