基于机器学习的设备剩余寿命预测方法综述
随着科学技术的发展和生产工艺的进步,当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展.为保障设备安全性与可靠性,剩余寿命(Remaining useful life,RUL)预测技术受到了普遍关注,同时得到了广泛应用.传统的统计数据驱动方法受模型的选择影响明显,而机器学习具有强大的数据处理能力,并且无需确切的物理模型和专家先验知识,因而机器学习在剩余寿命预测领域表现出了广阔的应用前景.鉴于此,详细分析和阐述了基于机器学习的设备剩余寿命预测方法.根据机器学习模型结构的深度,将其分为基于浅层机器学习的方法和基于深度学习的方法.同时疏理了每类方法的发展分支与研究现状,并且总结了相应的优势和缺点,最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向.
剩余寿命预测、机器学习、神经网络、支持向量机、深度学习
55
V448(航天仪表、航天器设备、航天器制导与控制)
国家自然科学基金61833016,61573365,61773386,61603398,61374126,61473094;中国科协青年人才托举工程2016QNRC001
2019-07-05(万方平台首次上网日期,不代表论文的发表时间)
共13页
1-13