基于深度学习的故障预测技术研究

• 作者: 吴立金 夏冉 詹红燕 韩新宇
• 来源期刊: 计算机测量与控制
• 关键词: 深度学习 故障预测 故障演化 软件静态故障预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 9-12
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.02.003

摘要

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测;利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法;通过基于深度学习的故障预测技术,能够提高装备故障预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴立金		11	47	3.0	6.0
2	韩新宇		21	63	5.0	7.0
3	詹红燕		2	14	1.0	2.0
4	夏冉		1	14	1.0	1.0