深度学习在装备剩余使用寿命预测技术中的研究现状与挑战
有效的装备剩余使用寿命(RUL)预测有助于及时规避严重生产事故,并为视情维护提供技术支持,在现代工业中发挥着重要作用.近年来,深度学习凭借其在大数据处理和特征提取方面的独特优势与潜力,在RU L预测领域得到了广泛应用.鉴于此,综述了深度学习在装备RU L预测领域的最新研究.首先介绍几种应用于RU L预测的典型深度学习方法,并对其实现RU L预测的基本原理和建模方法进行了概述;其次,对近年来典型深度学习方法在RU L预测领域的应用和发展趋势进行了详细总结;最后,探讨了现阶段基于深度学习的RU L预测技术所面临的挑战性问题及展望.
剩余使用寿命、深度学习、视情维护、特征提取、故障预测和健康管理
27
TH17;TP206+.3
国家自然科学基金资助项目51935009 ,51805473 ,51821093
2021-03-04(万方平台首次上网日期,不代表论文的发表时间)
共19页
34-52