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

来源：计算机集成制造系统, 2021, 27(01): 34-52.

DOI：10.13196/j.cims.2021.01.003

• 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

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。

• 单位
  浙江大学; 计算机辅助设计与图形学国家重点实验室