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

作     者：刘惠 刘振宇 郏维强 张栋豪 谭建荣 LIU Hui;LIU Zhenyu;JIA Weiqiang;ZHANG Donghao;TAN Jianrong

作者机构：浙江大学计算机辅助设计与图形学国家重点实验室浙江杭州310027 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2021年第27卷第1期

页      面：34-52页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51935009 51805473 51821093) 

主　　题：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 

摘      要：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RUL预测领域得到了广泛应用。鉴于此,综述了深度学习在装备RUL预测领域的最新研究。首先介绍几种应用于RUL预测的典型深度学习方法,并对其实现RUL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RUL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RUL预测技术所面临的挑战性问题及展望。