基于机器学习的设备剩余寿命预测方法综述

• 作者: 司小胜 庞哲楠 张建勋 张鹏 胡昌华 裴洪
• 来源期刊: 机械工程学报
• 学科: 航空航天
• 关键词: 剩余寿命预测 机器学习 神经网络 支持向量机 深度学习
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 仪器科学与技术
• 页码范围: 1-13
• 页数: 13页
• 分类号: V448
• 字数: 11478字
• 语种: 中文
• DOI: 10.3901/JME.2019.08.001

摘要

随着科学技术的发展和生产工艺的进步,当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展.为保障设备安全性与可靠性,剩余寿命(Remaining useful life,RUL)预测技术受到了普遍关注,同时得到了广泛应用.传统的统计数据驱动方法受模型的选择影响明显,而机器学习具有强大的数据处理能力,并且无需确切的物理模型和专家先验知识,因而机器学习在剩余寿命预测领域表现出了广阔的应用前景.鉴于此,详细分析和阐述了基于机器学习的设备剩余寿命预测方法.根据机器学习模型结构的深度,将其分为基于浅层机器学习的方法和基于深度学习的方法.同时疏理了每类方法的发展分支与研究现状,并且总结了相应的优势和缺点,最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	庞哲楠	火箭军工程大学导弹工程学院	3	11	1.0	3.0
2	胡昌华	火箭军工程大学导弹工程学院	33	173	7.0	11.0
3	司小胜	火箭军工程大学导弹工程学院	16	127	7.0	11.0
4	张建勋	火箭军工程大学导弹工程学院	4	14	2.0	3.0
5	裴洪	火箭军工程大学导弹工程学院	7	32	3.0	5.0
6	张鹏	火箭军工程大学导弹工程学院	6	11	1.0	3.0