深度学习在设备故障预测与健康管理中的应用

被引：78

作者：

陈志强 ^{[1
,2
]}

陈旭东 ^{[2
]}

Jos Valente de Olivira ^{[3
]}

李川 ^{[4
,3
]}

机构：

[1] 重庆工商大学检测控制集成系统工程实验室

[2] 重庆工商大学人工智能学院

[3] 葡萄牙阿尔加维大学CEOT中心

[4] 重庆工商大学国家智能制造服务国际科技合作基地

来源：

仪器仪表学报 | 2019年 / 40卷 / 09期

基金：

国家重点研发计划;

关键词：

深度学习; 故障预测与健康管理(PHM); 故障诊断; 剩余寿命预测;

D O I：

10.19650/j.cnki.cjsi.J1905122

中图分类号：

TH17 [机械运行与维修]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在智能制造背景下,大数据驱动的设备故障预测与健康管理日益受到各界重视。深度学习能够在层次结构的特征提取过程中发现更多的隐藏知识,在领域自适应方面具有良好的数据适应性,近年来逐渐成为设备故障预测与健康管理的研究热点,并在设备故障诊断和预测中得到了广泛的应用。通过系统回顾近年来深度学习在设备故障预测与健康管理中应用,总结、分类和解释关于这一热点主题的主要文献,讨论了各种体系结构和相关理论。在此基础上,阐述了深度学习在设备故障诊断和预测方面所取得的主要成果、面临的挑战、以及未来的发展趋势,为设备故障预测与健康管理领域选择、设计或实现深度学习架构,提供明确的方向。

引用

页码：206 / 226

页数：21

共 66 条

[1] Gated recurrent unit based recurrent neural network for remaining useful life prediction of nonlinear deterioration process.[J].Jinglong Chen;Hongjie Jing;Yuanhong Chang;Qian Liu.Reliability Engineering and System Safety.2019,
[2] An intelligent fault diagnosis approach based on transfer learning from laboratory bearings to locomotive bearings.[J].Bin Yang;Yaguo Lei;Feng Jia;Saibo Xing.Mechanical Systems and Signal Processing.2019,
[3] Generative adversarial networks for data augmentation in machine fault diagnosis.[J].Siyu Shao;Pu Wang;Ruqiang Yan.Computers in Industry.2019,
[4] Dynamic condition monitoring for 3D printers by using error fusion of multiple sparse auto-encoders.[J].Shaohui Zhang;Zhenzhong Sun;Jianyu Long;Chuan Li;Yun Bai.Computers in Industry.2019,
[5] Ensemble deep learning-based fault diagnosis of rotor bearing systems.[J].Sai Ma;Fulei Chu.Computers in Industry.2019,
[6] An adaptive spatiotemporal feature learning approach for fault diagnosis in complex systems.[J].Te Han;Chao Liu;Linjiang Wu;Soumik Sarkar;Dongxiang Jiang.Mechanical Systems and Signal Processing.2019,
[7] A deep learning driven method for fault classification and degradation assessment in mechanical equipment.[J].Zhe Li;Yi Wang;Kesheng Wang.Computers in Industry.2019,
[8] Deep learning and its applications to machine health monitoring.[J].Rui Zhao;Ruqiang Yan;Zhenghua Chen;Kezhi Mao;Peng Wang;Robert X. Gao.Mechanical Systems and Signal Processing.2019,
[9] A novel adversarial learning framework in deep convolutional neural network for intelligent diagnosis of mechanical faults.[J].Te Han;Chao Liu;Wenguang Yang;Dongxiang Jiang.Knowledge-Based Systems.2018,
[10] Multi-Layer domain adaptation method for rolling bearing fault diagnosis.[J].Xiang Li;Wei Zhang;Qian Ding;Jian-Qiao Sun.Signal Processing.2019,

← 1 2 3 4 5 6 7 →