基于深度学习的装备剩余寿命区间预测研究进展

作     者：陈闯 李先锋 史建涛 CHEN Chuang;LI Xianfeng;SHI Jiantao

作者机构：南京工业大学电气工程与控制科学学院南京211816 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2024年第46卷第4期

页      面：723-734页

核心收录：

学科分类：12[管理学] 08[工学] 0710[理学-生物学] 0711[理学-系统科学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0714[理学-统计学（可授理学、经济学学位）] 0835[工学-软件工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62303217,62373184和61973288) 江苏省自然科学基金资助项目(BK20211502) 江苏省高等学校基础科学(自然科学)研究项目(23KJB510006) 

主　　题：寿命预测 区间预测 不确定性 深度学习 维护决策 

摘      要：深度学习因其强大的特征提取能力,在装备剩余寿命预测中得到了广泛应用.然而,深度学习的预测结果往往受到随机噪声、建模参数等因素影响,极大降低了点预测的可信度,进而引发甚至导致装备运行崩溃.因此,精确的剩余寿命区间预测对于理解装备退化过程的随机性以及进行可靠的风险分析和维护决策至关重要.本文面向深度学习背景下装备剩余寿命预测建模中不确定性量化的现实需求,重点介绍并归纳了自举深度学习、局部不确定性、随机过程深度学习、贝叶斯深度学习以及深度学习分位数回归5种先进剩余寿命区间预测模型的发展动态、优势和缺点,进而探讨了基于深度学习的装备剩余寿命区间预测研究中面临的挑战性问题以及未来潜在的研究方向.