基于深度学习的机械设备健康管理综述与展望

• 作者: 周奇才 沈鹤鸿 熊肖磊 赵炯
• 来源期刊: 现代机械
• 学科: 工学
• 关键词: 深度学习 健康管理 全生命周期 机械设备
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 现代制造、工艺装备
• 页码范围: 19-27
• 页数: 9页
• 分类号: TP277
• 字数: 7631字
• 语种: 中文

摘要

随着机械设备的自动化与智能化程度日益提升,人们对机械设备健康管理的要求也越来越高,得益于海量大数据的积累和计算机技术的发展,除了传统的机器学习方法以外,深度学习方法凭借其极强的非线性拟合能力逐步进入人们的视野.首先介绍现有的深度学习方法以及这些方法各自与机械设备健康管理的结合,然后综述了深度学习在制造业的具体应用,包括代替肉眼检查裂纹、实现设备自我诊断、异常提前感知、施工质量监测.接着指出要实现对机械设备智能化健康管理的必要基础是大批量、高质量、覆盖面广的全生命周期数据,并结合国内外基于机械设备全生命周期数据的故障识别及预诊相关研究说明其重要性.最后提出了基于深度学习的机械设备健康管理的研究趋势和面临的挑战.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周奇才		179	1412	19.0	28.0
2	赵炯		130	673	13.0	19.0
3	熊肖磊		100	615	14.0	19.0
4	沈鹤鸿		7	42	5.0	6.0